Spaces:
Sleeping
Sleeping
| import streamlit as st | |
| from transformers import pipeline, AutoModelForCausalLM, AutoTokenizer, GPT2Tokenizer, GPT2LMHeadModel, MT5Model, AutoModelForSeq2SeqLM, BartForConditionalGeneration, BartTokenizer | |
| # Frasi di esempio | |
| examples = [ | |
| "Caesar in Gallia bellum gessit. <mask> instructae erant, sed subito", | |
| "Est autem et aliud genus testudinis, quod <mask>, quemadmodum quae supra scripta sunt", | |
| "Quemadmodum vero minores rotae duriores et <mask>, sic phalangae et iuga, in quibus partibus habent minora a centro ad capita intervalla", | |
| "illud additur, ne, qui certum ordinem ex <mask>, ulli vos alteri hominum generi haerere vereamini nec timeatis vos" | |
| ] | |
| examples_correct = [ | |
| "Omnes legiones", | |
| "reliqua omnia habet", | |
| "difficiliores habent motus", | |
| "nostra definitione retinetis" | |
| ] | |
| # Imposta una chiave di sessione per il testo input, così possiamo aggiornarlo | |
| if "input_text_value" not in st.session_state: | |
| st.session_state["input_text_value"] = examples[0] | |
| if "input_text_value_correct" not in st.session_state: | |
| st.session_state["input_text_value_correct"] = examples_correct[0] | |
| st.title("Completamento di frasi in testi Latino Antico") | |
| st.write("Esempi di testo (clicca sul bottone per copiare la frase nel campo di input):") | |
| # Per ogni frase, creiamo una riga con la frase + bottone "Usa questa frase" | |
| for i, example in enumerate(examples, start=1): | |
| cols = st.columns([4,1]) # la prima colonna più larga per il testo, la seconda più stretta per il bottone | |
| with cols[0]: | |
| st.write(f"Esempio {i}: {example}") | |
| with cols[1]: | |
| # Se il bottone viene premuto, aggiorna la session state | |
| if st.button(f"Usa {i}"): | |
| st.session_state["input_text_value"] = example | |
| st.session_state["input_text_value_correct"] = examples_correct[i] | |
| # Qui la text_input è associata alla chiave "input_text_value" | |
| input_text = st.text_area( | |
| label="Testo:", | |
| height=150, # Altezza in pixel | |
| key="input_text_value" | |
| ) | |
| # Esempio: carichiamo un modello di linguaggio | |
| # (sostituisci con i tuoi modelli) | |
| #model = GPT2LMHeadModel.from_pretrained("Cicciokr/GPT2-Latin-GenText") | |
| #tokenizer = GPT2Tokenizer.from_pretrained("Cicciokr/GPT2-Latin-GenText") | |
| #model_name = "morenolq/bart-it" | |
| model_name_mio = "Cicciokr/BART-la-s" | |
| model_mio = AutoModelForSeq2SeqLM.from_pretrained(model_name_mio) | |
| tokenizer_mio = AutoTokenizer.from_pretrained(model_name_mio) | |
| #tokenizer_mio.pad_token_id = tokenizer_mio.eos_token_id | |
| #generator = pipeline("text2text-generation", model=model, tokenizer=tokenizer) | |
| generator_mio = pipeline("text2text-generation", model=model_mio, tokenizer=tokenizer_mio) | |
| # Se l'utente ha inserito (o selezionato) un testo | |
| if input_text: | |
| if 'input_text_value_correct' in st.session_state: | |
| st.write(f" Parola corretta: {st.session_state['input_text_value_correct']}\n") | |
| st.write(f" -----------------------------------------------------------\n") | |
| inputs_mio = tokenizer_mio(input_text, return_tensors="pt") | |
| output_mio = model_mio.generate( | |
| **inputs_mio, | |
| forced_bos_token_id=tokenizer_mio.bos_token_id, | |
| max_length=50, do_sample=True, top_p=0.96, num_return_sequences=5 | |
| #num_return_sequences=1, | |
| #top_k=50, # 🔹 Maggiore varietà nelle scelte | |
| #top_p=0.95, # 🔹 Nucleus sampling per migliorare il realismo | |
| #temperature=0.8, # 🔹 Bilancia la casualità | |
| #repetition_penalty=1.2, # 🔹 Evita ripetizioni e loop | |
| #max_length=50 # 🔹 Previene ripetizioni infinite | |
| ) | |
| generated_text_mio = tokenizer_mio.decode(output_mio[0], skip_special_tokens=True) | |
| #generated_text_mio = output_mio[0]["generated_text"] | |
| st.subheader("Risultato BART CC100:") | |
| st.write(f" Frase predetta: {generated_text_mio}\n") | |