Update app.py

app.py

@@ -1,210 +1,209 @@
-import streamlit as st
-import requests
-import time
-from streamlit_option_menu import option_menu
-import streamlit.components.v1 as components
-import os
-from groq import Groq
-from gtts import gTTS
-from langdetect import detect
-import speech_recognition as sr
-
-
-
-#GROQ_API = os.environ.get("GROQ_API")
-
-#changement du logo et du titre de mon application en anglais
-st.set_page_config(page_title="Machine Learning Dans le Cloud", page_icon=":brain:", layout="centered", menu_items=None)
-
-
-
-# Créer trois colonnes de largeur égale
-col1, col2, col3 = st.columns(3)
-
-# Laisser la première et la troisième colonne vides
-with col1:
-  st.write("")
-
-# Afficher le logo dans la deuxième colonne
-with col2:
-  st.image("img/logo2.png", use_column_width=None)
-
-with col3:
-    st.write("")
-
-selected = option_menu(
-            menu_title=None,  # required
-            options=["Accueil", "Chatbot : Groq", "Speech to Text", "Text to Speech"],  # required
-            icons=["house","chat-dots", "mic","pen" ],  # optional
-            menu_icon="cast",  # optional
-            default_index=0,  # optional
-            orientation="horizontal",
-        )
-
-if selected == "Accueil":
-    st.title(f"{selected}")
-
-    # Display home page with app description and logo
-    st.header('Bienvenue dans notre application polyvalente de conversation !')
-    st.markdown("<h5 style='text-align: justify;'>Notre application combine trois fonctionnalités principales pour vous offrir une expérience interactive et fluide.</h5>", unsafe_allow_html=True)
-
-    st.image('img/image1.jpeg', caption='Large Language Model')
-    #st.title('Bienvenue sur l\'application de classification d\'images de radiographies pulmonaires')
-    #st.markdown("<h1 style='text-align: center;'>Bienvenue sur l'application de classification d'images de radiographies pulmonaires</h1>", unsafe_allow_html=True)
-    st.markdown("<h5 style='text-align: justify;'><b> Chatbot avec Groq : </b> Cette fonctionnalité permet aux utilisateurs d'interagir avec un chatbot alimenté par Groq. Les utilisateurs peuvent saisir des prompts dans une zone de texte et obtenir des réponses générées par le modèle Groq. L'interaction se fait de manière fluide et naturelle, simulant une conversation en langage naturel.</h5>", unsafe_allow_html=True)
-    st.markdown("<h5 style='text-align: justify;'><b> Speech to Text : </b> La fonction Speech to Text permet aux utilisateurs de convertir la parole en texte. En activant cette fonction, les utilisateurs peuvent parler dans leur microphone, et le texte correspondant sera automatiquement transcrit dans une zone de texte. Cela facilite la saisie de prompts ou de messages sans avoir à les taper manuellement.</h5>", unsafe_allow_html=True)
-    st.markdown("<h5 style='text-align: justify;'><b> Text to Speech : </b> La fonction Text to Speech permet aux utilisateurs de convertir du texte en parole. Les utilisateurs peuvent saisir du texte dans une zone dédiée, et en appuyant sur un bouton, le texte sera synthétisé en parole. Cela peut être utile pour écouter les réponses du chatbot ou d'autres messages générés par l\'application.</h5>", unsafe_allow_html=True)
-    st.markdown("<h5 style='text-align: justify;'>Avec ces trois volets, les utilisateurs peuvent interagir avec l'application de différentes manières, que ce soit en saisissant du texte, en parlant dans leur microphone, ou en écoutant les réponses générées par l'application. Cela offre une expérience utilisateur riche et flexible pour répondre à différents besoins et préférences.</h5>", unsafe_allow_html=True)
-
-
-    components.html(
-    """
-        <div style="position: fixed; bottom: 0; left: 0; right: 0; text-align: center; font-size: 15px; color: gray;">
-        Tous droits réservés © Main 2024 Tayawelba Dawaï Hesed
-        </div>
-        """,
-        height=50 
-    )
-if selected == "Chatbot : Groq":
-    # Configuration de l'API Groq
-    client = Groq(api_key=GROQ_API)
-
-    def get_groq_completion(model, messages, temperature, max_tokens, top_p, stream):
-        completion = client.chat.completions.create(
-            model=model,
-            messages=messages,
-            temperature=temperature,
-            max_tokens=max_tokens,
-            top_p=top_p,
-            stream=stream
-        )
-        return completion
-
-    # Fonction pour initialiser l'historique
-    def init_chat_history():
-        if 'chat_history' not in st.session_state:
-            st.session_state['chat_history'] = []
-
-    # Interface utilisateur
-    st.title("Interface de Chat Groq API")
-
-    # Initialiser l'historique des chats
-    init_chat_history()
-
-    # Sidebar pour les paramètres
-    st.sidebar.header("Paramètres du Modèle")
-    model = st.sidebar.selectbox(
-        "Choisissez un modèle",
-        ["llama3-8b-8192", "llama3-70b-8192", "gemma-7b-it", "mixtral-8x7b-32768"]
-    )
-    temperature = st.sidebar.slider("Température", 0.0, 1.0, 1.0)
-    max_tokens = st.sidebar.slider("Nombre maximum de tokens", 1, 2048, 1024)
-    top_p = st.sidebar.slider("Top P", 0.0, 1.0, 1.0)
-    stream = st.sidebar.checkbox("Stream", value=True)
-
-    # Fonction pour envoyer le prompt et obtenir la réponse
-    def submit_prompt():
-        if st.session_state.prompt.strip() == "":
-            st.error("Veuillez entrer un prompt")
-        else:
-            with st.spinner("Obtention de la réponse de Groq..."):
-                messages = [{"role": "user", "content": st.session_state.prompt}]
-                try:
-                    completion = get_groq_completion(model, messages, temperature, max_tokens, top_p, stream)
-                    response = ""
-                    for chunk in completion:
-                        response += chunk.choices[0].delta.content or ""
-
-                    # Ajouter le prompt et la réponse à l'historique des chats
-                    st.session_state['chat_history'].append({"prompt": st.session_state.prompt, "response": response})
-
-                    # Réinitialiser le champ de saisie
-                    st.session_state.prompt = ""
-
-                except Exception as e:
-                    st.error(f"Erreur: {e}")
-
-    # Afficher l'historique des chats
-    st.subheader("Historique des Chats")
-    chat_history_container = st.container()
-    for chat in st.session_state['chat_history']:
-        chat_history_container.markdown(f"**Prompt :** {chat['prompt']}")
-        chat_history_container.markdown(f"**Réponse :** {chat['response']}")
-        chat_history_container.markdown("---")
-    # Champ de texte pour le prompt
-    prompt = st.text_area("Enter your prompt here:", key="prompt", on_change=submit_prompt)
-
-
-
-if selected == "Speech to Text":
-    # CODE SPEECH-TO-TEXT
-    st.title(f"{selected}")
-
-    st.markdown("Cette partie vous permet de convertir votre **parole** en **texte**.")
-
-    # Record audio
-    with st.spinner("Veuillez parler..."):
-        # Initialize recognizer
-        r = sr.Recognizer()
-
-        # Use microphone as source
-        with sr.Microphone() as source:
-            # Adjust for ambient noise
-            r.adjust_for_ambient_noise(source)
-            st.info("Enregistrement en cours... Parlez maintenant !")
-            audio_data = r.listen(source)
-
-        # Speech recognition
-        try:
-            st.success("Enregistrement terminé ! Voici ce que j'ai compris :")
-            recognized_text = r.recognize_google(audio_data, language='fr-FR')  # Language set to French
-            st.write(recognized_text)
-        except sr.UnknownValueError:
-            st.warning("Désolé, je n'ai pas pu comprendre ce que vous avez dit.")
-        except sr.RequestError as e:
-            st.error(f"Erreur lors de la demande au service de reconnaissance vocale : {e}")
-
-    # Clear button to reset input and result
-    if st.button("Nettoyer"):
-        st.success("Le champ est nettoyé.")
-        st.empty()  # Clear previous results if any
-
-    # Button to allow new speech-to-text conversion
-    if st.button("Convertir en texte"):
-        st.experimental_rerun()
-
-    # END CODE SPEECH-TO-TEXT
-
-
-if selected == "Text to Speech":
-    # CODE TEXT-TO-SPEECH
-    st.title(f"{selected}")
-
-    st.markdown("Cette partie vous offre la possibilité de convertir vos **paragraphes** et vos **phrases** en **parole**.")
-
-    headers = {"Authorization": TOKEN_API}
-
-    # User input for text-to-speech
-    tts_input = st.text_area("Entrer le texte à convertir en parole:", "")
-    if st.button("Convertir en parole"):
-        if tts_input:
-            with st.spinner("Conversion en cours..."):
-                # Détection de la langue
-                language = detect(tts_input)
-                # Conversion de texte en parole
-                tts = gTTS(text=tts_input, lang=language)
-                tts.save("output.mp3")
-                st.success("Conversion terminée ! Cliquez ci-dessous pour écouter le résultat.")
-                audio_file = open("output.mp3", "rb").read()
-                st.audio(audio_file, format="audio/mp3")
-        else:
-            st.warning("Veuillez saisir le texte à convertir en parole.")
-    
-    # Clear button to reset input and result
-    if st.button("Nettoyer"):
-        tts_input = ""
-        st.success("Le champ est nettoyé.")
-        st.empty()  # Clear previous results if any
-
-    # END CODE TEXT-TO-SPEECH
-
+import streamlit as st
+import requests
+import time
+from streamlit_option_menu import option_menu
+import streamlit.components.v1 as components
+import os
+from groq import Groq
+from gtts import gTTS
+from langdetect import detect
+import speech_recognition as sr
+
+
+
+GROQ_API = os.environ.get("GROQ_API")
+
+#changement du logo et du titre de mon application en anglais
+st.set_page_config(page_title="Machine Learning Dans le Cloud", page_icon=":brain:", layout="centered", menu_items=None)
+
+
+
+# Créer trois colonnes de largeur égale
+col1, col2, col3 = st.columns(3)
+
+# Laisser la première et la troisième colonne vides
+with col1:
+  st.write("")
+
+# Afficher le logo dans la deuxième colonne
+with col2:
+  st.image("img/logo2.png", use_column_width=None)
+
+with col3:
+    st.write("")
+
+selected = option_menu(
+            menu_title=None,  # required
+            options=["Accueil", "Chatbot : Groq", "Speech to Text", "Text to Speech"],  # required
+            icons=["house","chat-dots", "mic","pen" ],  # optional
+            menu_icon="cast",  # optional
+            default_index=0,  # optional
+            orientation="horizontal",
+        )
+
+if selected == "Accueil":
+    st.title(f"{selected}")
+
+    # Display home page with app description and logo
+    st.header('Bienvenue dans notre application polyvalente de conversation !')
+    st.markdown("<h5 style='text-align: justify;'>Notre application combine trois fonctionnalités principales pour vous offrir une expérience interactive et fluide.</h5>", unsafe_allow_html=True)
+
+    st.image('img/image1.jpeg', caption='Large Language Model')
+    #st.title('Bienvenue sur l\'application de classification d\'images de radiographies pulmonaires')
+    #st.markdown("<h1 style='text-align: center;'>Bienvenue sur l'application de classification d'images de radiographies pulmonaires</h1>", unsafe_allow_html=True)
+    st.markdown("<h5 style='text-align: justify;'><b> Chatbot avec Groq : </b> Cette fonctionnalité permet aux utilisateurs d'interagir avec un chatbot alimenté par Groq. Les utilisateurs peuvent saisir des prompts dans une zone de texte et obtenir des réponses générées par le modèle Groq. L'interaction se fait de manière fluide et naturelle, simulant une conversation en langage naturel.</h5>", unsafe_allow_html=True)
+    st.markdown("<h5 style='text-align: justify;'><b> Speech to Text : </b> La fonction Speech to Text permet aux utilisateurs de convertir la parole en texte. En activant cette fonction, les utilisateurs peuvent parler dans leur microphone, et le texte correspondant sera automatiquement transcrit dans une zone de texte. Cela facilite la saisie de prompts ou de messages sans avoir à les taper manuellement.</h5>", unsafe_allow_html=True)
+    st.markdown("<h5 style='text-align: justify;'><b> Text to Speech : </b> La fonction Text to Speech permet aux utilisateurs de convertir du texte en parole. Les utilisateurs peuvent saisir du texte dans une zone dédiée, et en appuyant sur un bouton, le texte sera synthétisé en parole. Cela peut être utile pour écouter les réponses du chatbot ou d'autres messages générés par l\'application.</h5>", unsafe_allow_html=True)
+    st.markdown("<h5 style='text-align: justify;'>Avec ces trois volets, les utilisateurs peuvent interagir avec l'application de différentes manières, que ce soit en saisissant du texte, en parlant dans leur microphone, ou en écoutant les réponses générées par l'application. Cela offre une expérience utilisateur riche et flexible pour répondre à différents besoins et préférences.</h5>", unsafe_allow_html=True)
+
+
+    components.html(
+    """
+        <div style="position: fixed; bottom: 0; left: 0; right: 0; text-align: center; font-size: 15px; color: gray;">
+        Tous droits réservés © Main 2024 Tayawelba Dawaï Hesed
+        </div>
+        """,
+        height=50 
+    )
+if selected == "Chatbot : Groq":
+    # Configuration de l'API Groq
+    client = Groq(api_key=GROQ_API)
+
+    def get_groq_completion(model, messages, temperature, max_tokens, top_p, stream):
+        completion = client.chat.completions.create(
+            model=model,
+            messages=messages,
+            temperature=temperature,
+            max_tokens=max_tokens,
+            top_p=top_p,
+            stream=stream
+        )
+        return completion
+
+    # Fonction pour initialiser l'historique
+    def init_chat_history():
+        if 'chat_history' not in st.session_state:
+            st.session_state['chat_history'] = []
+
+    # Interface utilisateur
+    st.title("Interface de Chat Groq API")
+
+    # Initialiser l'historique des chats
+    init_chat_history()
+
+    # Sidebar pour les paramètres
+    st.sidebar.header("Paramètres du Modèle")
+    model = st.sidebar.selectbox(
+        "Choisissez un modèle",
+        ["llama3-8b-8192", "llama3-70b-8192", "gemma-7b-it", "mixtral-8x7b-32768"]
+    )
+    temperature = st.sidebar.slider("Température", 0.0, 1.0, 1.0)
+    max_tokens = st.sidebar.slider("Nombre maximum de tokens", 1, 2048, 1024)
+    top_p = st.sidebar.slider("Top P", 0.0, 1.0, 1.0)
+    stream = st.sidebar.checkbox("Stream", value=True)
+
+    # Fonction pour envoyer le prompt et obtenir la réponse
+    def submit_prompt():
+        if st.session_state.prompt.strip() == "":
+            st.error("Veuillez entrer un prompt")
+        else:
+            with st.spinner("Obtention de la réponse de Groq..."):
+                messages = [{"role": "user", "content": st.session_state.prompt}]
+                try:
+                    completion = get_groq_completion(model, messages, temperature, max_tokens, top_p, stream)
+                    response = ""
+                    for chunk in completion:
+                        response += chunk.choices[0].delta.content or ""
+
+                    # Ajouter le prompt et la réponse à l'historique des chats
+                    st.session_state['chat_history'].append({"prompt": st.session_state.prompt, "response": response})
+
+                    # Réinitialiser le champ de saisie
+                    st.session_state.prompt = ""
+
+                except Exception as e:
+                    st.error(f"Erreur: {e}")
+
+    # Afficher l'historique des chats
+    st.subheader("Historique des Chats")
+    chat_history_container = st.container()
+    for chat in st.session_state['chat_history']:
+        chat_history_container.markdown(f"**Prompt :** {chat['prompt']}")
+        chat_history_container.markdown(f"**Réponse :** {chat['response']}")
+        chat_history_container.markdown("---")
+    # Champ de texte pour le prompt
+    prompt = st.text_area("Enter your prompt here:", key="prompt", on_change=submit_prompt)
+
+
+
+if selected == "Speech to Text":
+    # CODE SPEECH-TO-TEXT
+    st.title(f"{selected}")
+
+    st.markdown("Cette partie vous permet de convertir votre **parole** en **texte**.")
+
+    # Record audio
+    with st.spinner("Veuillez parler..."):
+        # Initialize recognizer
+        r = sr.Recognizer()
+
+        # Use microphone as source
+        with sr.Microphone() as source:
+            # Adjust for ambient noise
+            r.adjust_for_ambient_noise(source)
+            st.info("Enregistrement en cours... Parlez maintenant !")
+            audio_data = r.listen(source)
+
+        # Speech recognition
+        try:
+            st.success("Enregistrement terminé ! Voici ce que j'ai compris :")
+            recognized_text = r.recognize_google(audio_data, language='fr-FR')  # Language set to French
+            st.write(recognized_text)
+        except sr.UnknownValueError:
+            st.warning("Désolé, je n'ai pas pu comprendre ce que vous avez dit.")
+        except sr.RequestError as e:
+            st.error(f"Erreur lors de la demande au service de reconnaissance vocale : {e}")
+
+    # Clear button to reset input and result
+    if st.button("Nettoyer"):
+        st.success("Le champ est nettoyé.")
+        st.empty()  # Clear previous results if any
+
+    # Button to allow new speech-to-text conversion
+    if st.button("Convertir en texte"):
+        st.experimental_rerun()
+
+    # END CODE SPEECH-TO-TEXT
+
+
+if selected == "Text to Speech":
+    # CODE TEXT-TO-SPEECH
+    st.title(f"{selected}")
+
+    st.markdown("Cette partie vous offre la possibilité de convertir vos **paragraphes** et vos **phrases** en **parole**.")
+
+
+    # User input for text-to-speech
+    tts_input = st.text_area("Entrer le texte à convertir en parole:", "")
+    if st.button("Convertir en parole"):
+        if tts_input:
+            with st.spinner("Conversion en cours..."):
+                # Détection de la langue
+                language = detect(tts_input)
+                # Conversion de texte en parole
+                tts = gTTS(text=tts_input, lang=language)
+                tts.save("output.mp3")
+                st.success("Conversion terminée ! Cliquez ci-dessous pour écouter le résultat.")
+                audio_file = open("output.mp3", "rb").read()
+                st.audio(audio_file, format="audio/mp3")
+        else:
+            st.warning("Veuillez saisir le texte à convertir en parole.")
+    
+    # Clear button to reset input and result
+    if st.button("Nettoyer"):
+        tts_input = ""
+        st.success("Le champ est nettoyé.")
+        st.empty()  # Clear previous results if any
+
+    # END CODE TEXT-TO-SPEECH
+