Spaces:
Sleeping
Sleeping
| # Adapted from https://github.com/THUDM/ChatGLM-6B/blob/main/web_demo.py | |
| init_history = [ | |
| ('你讀過《故事課》嗎？', | |
| '''作為一個 AI 模型，我沒有「讀」過任何書籍，但我對《故事課》這本書有一定的了解。《故事課》是一本關於故事創作和 storytelling 的書籍，作者是美国作家 John D. Walsh。 | |
| 這本書提供了一些有用的建議和技巧，幫助讀者如何創作出引人入勝的故事。它涵蓋了故事創作的各個方面，包括故事結構、角色塑造、情節設計和語言表達等。此外，這本書還提供了一些實用的例子和案例分析，讓讀者可以更好地理解故事創作的過程和技巧。 | |
| 總的來說，《故事課》是一本對故事創作很有幫助的書籍，尤其對於那些想寫故事或想提高自己故事創作能力的人來說，這本書會是一本很有價值的參考資料。'''), | |
| ('《故事課》提到哪些故事公式？', | |
| '''《故事課》這本書提到了一些故事公式或故事結構，這些結構可以幫助創作故事。以下是其中一些常見的故事公式： | |
| 1. 起承轉合：這是最基礎的故事結構，也稱為三幕結構。故事開始，然後有了一個轉折，接著是高潮，最後有了一個結局。 | |
| 2. 英雄之旅：這是一個很常見的故事結構，也被稱為綠傳或 gray area。它描述了一個英雄從平凡無奇的生活中開始，經歷了一系列挑戰和冒險，最終達成目標的故事。 | |
| 3. 成長故事：這是一個關於個人成長和發展的成長故事，它通常描述了一個人物從一個脆弱或不成熟的状态開始，通過經歷挑戰和學習，最終成長和成熟的故事。 | |
| 4. 反轉结局：這是一個比較特別的结局，它通常在故事的最後出現，並且會對讀者產生一種意外的冲击和影響。 | |
| 5. 寓言故事：這是一種用故事來說明一個道理或概念的故事，通常包含一個寓意或象徵性的元素。 | |
| 這些故事公式只是故事創作中的一部分，不同的故事可能会有不同的結構和情節，但這些公式可以作為一個起點，幫助你開始創作出一個引人入勝的故事。'''), | |
| ] | |
| import os | |
| import argparse | |
| from pathlib import Path | |
| import chatglm_cpp | |
| import gradio as gr | |
| os.system("wget https://huggingface.co/npc0/chatglm3-6b-int4/resolve/main/chatglm3-ggml-q4_0.bin") | |
| DEFAULT_MODEL_PATH = Path(__file__).resolve().parent.parent / "chatglm3-ggml-q4_0.bin" | |
| parser = argparse.ArgumentParser() | |
| parser.add_argument("-m", "--model", default=DEFAULT_MODEL_PATH, type=Path, help="model path") | |
| parser.add_argument("--mode", default="chat", type=str, choices=["chat", "generate"], help="inference mode") | |
| parser.add_argument("-l", "--max_length", default=2048, type=int, help="max total length including prompt and output") | |
| parser.add_argument("-c", "--max_context_length", default=512, type=int, help="max context length") | |
| parser.add_argument("--top_k", default=0, type=int, help="top-k sampling") | |
| parser.add_argument("--top_p", default=0.7, type=float, help="top-p sampling") | |
| parser.add_argument("--temp", default=0.95, type=float, help="temperature") | |
| parser.add_argument("--repeat_penalty", default=1.0, type=float, help="penalize repeat sequence of tokens") | |
| parser.add_argument("-t", "--threads", default=0, type=int, help="number of threads for inference") | |
| parser.add_argument("--plain", action="store_true", help="display in plain text without markdown support") | |
| args = parser.parse_args() | |
| pipeline = chatglm_cpp.Pipeline(args.model) | |
| def postprocess(text): | |
| if args.plain: | |
| return f"<pre>{text}</pre>" | |
| return text | |
| def predict(input, chatbot, max_length, top_p, temperature, history): | |
| chatbot.append((postprocess(input), "")) | |
| response = "" | |
| history.append(input) | |
| generation_kwargs = dict( | |
| max_length=max_length, | |
| max_context_length=args.max_context_length, | |
| do_sample=temperature > 0, | |
| top_k=args.top_k, | |
| top_p=top_p, | |
| temperature=temperature, | |
| repetition_penalty=args.repeat_penalty, | |
| num_threads=args.threads, | |
| stream=True, | |
| ) | |
| generator = ( | |
| pipeline.chat(history, **generation_kwargs) | |
| if args.mode == "chat" | |
| else pipeline.generate(input, **generation_kwargs) | |
| ) | |
| for response_piece in generator: | |
| response += response_piece | |
| chatbot[-1] = (chatbot[-1][0], postprocess(response)) | |
| yield chatbot, history | |
| history.append(response) | |
| yield chatbot, history | |
| def reset_user_input(): | |
| return gr.update(value="") | |
| def reset_state(): | |
| history = gr.State(init_history) | |
| return [], [] | |
| max_length = 2048 | |
| top_p = args.top_p | |
| temperature = args.temp | |
| with gr.Blocks() as demo: | |
| gr.HTML("""<h1 align="center">劇本測試</h1>""") | |
| with gr.Row(): | |
| with gr.Column(scale=4): | |
| user_input = gr.Textbox(show_label=False, placeholder="Step1：主題設定", lines) | |
| with gr.Column(scale=1): | |
| submitBtn = gr.Button("Submit", variant="primary") | |
| # max_length = gr.Slider(0, 2048, value=args.max_length, step=1.0, label="Maximum Length", interactive=True) | |
| # top_p = gr.Slider(0, 1, value=args.top_p, step=0.01, label="Top P", interactive=True) | |
| # temperature = gr.Slider(0, 1, value=args.temp, step=0.01, label="Temperature", interactive=True) | |
| emptyBtn = gr.Button("Clear History") | |
| five_sample = gr.Textbox(show_label=False, placeholder="五個範例") | |
| expand = gr.Dropdown(["1", "2", "3", "4", "5"], label="Step2：進一步擴展的範例") | |
| final_sample = gr.Textbox(show_label=False, placeholder="大綱") | |
| history = gr.State(init_history) | |
| submitBtn.click( | |
| predict, [ | |
| '請為『%s』選取5個公式' %user_input, | |
| chatbot, max_length, top_p, | |
| temperature, history], | |
| [chatbot, history], show_progress=True | |
| ) | |
| submitBtn.click(reset_user_input, [], [user_input]) | |
| submitBtn.click(reset_user_input, [], [final_sample]) | |
| expand.select(fn=predict, | |
| inputs=('現在你作為一個專業的編劇，' | |
| '你需要為故事%轉寫一段故事大綱' | |
| '提供一個完整的龍骨給之後的編劇用。') %expand, | |
| outputs=final_sample) | |
| emptyBtn.click(reset_state, outputs=[chatbot, history], show_progress=True) | |
| demo.queue().launch(share=False, inbrowser=True) |