Initial commit

Chatbot-Albatros.py

@@ -0,0 +1,149 @@
+import requests
+import json
+import gradio as gr
+import fitz
+import logging
+import base64
+from flask import Flask, request, jsonify
+import io
+import os
+import base64
+import io
+from PyPDF2 import PdfReader
+
+# Configuration du logger
+logging.basicConfig(level=logging.ERROR)
+logger = logging.getLogger(__name__)
+
+app = Flask(__name__)
+
+# Remplacez par votre clé API
+OPENROUTER_API_KEY = "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"
+YOUR_SITE_URL = "votre-site.com"  # Remplacez par votre URL
+YOUR_APP_NAME = "MonChatbot"
+
+def extract_text_from_pdf(pdf_file):
+    doc = fitz.open(pdf_file)
+    text = ""
+    for page in doc:
+        text += page.get_text()
+    return text
+
+def chatbot_response(message, history, pdf_text=None, image_path=None):
+    messages = [{"role": "system", "content": "Vous êtes un assistant IA utile et amical, capable d'analyser des images et du texte."}]
+    
+    if pdf_text:
+        messages.append({"role": "system", "content": f"Le contenu du PDF est : {pdf_text}"})
+    
+    for human, assistant in history:
+        messages.append({"role": "user", "content": human})
+        if assistant is not None:
+            messages.append({"role": "assistant", "content": assistant})
+    
+    message_content = message
+    if image_path:
+        encoded_image = encode_image(image_path)
+        message_content = [
+            {"type": "text", "text": message},
+            {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{encoded_image}"}}
+        ]
+    
+    messages.append({"role": "user", "content": message_content})
+    
+    try:
+        response = requests.post(
+            url="https://openrouter.ai/api/v1/chat/completions",
+            headers={
+                "Authorization": f"Bearer {OPENROUTER_API_KEY}",
+                "HTTP-Referer": f"{YOUR_SITE_URL}",
+                "X-Title": f"{YOUR_APP_NAME}",
+                "Content-Type": "application/json"
+            },
+            data=json.dumps({
+                "model": "mistralai/pixtral-12b:free",
+                "messages": messages
+            })
+        )
+        if response.status_code == 200:
+            data = response.json()
+            return data['choices'][0]['message']['content']
+        else:
+            return f"Erreur {response.status_code}: {response.text}"
+    except Exception as e:
+        logger.error(f"Erreur lors de l'appel API: {str(e)}")
+        return f"Erreur: {str(e)}"
+
+@app.route('/api/chatbot', methods=['POST'])
+def api_chatbot():
+    try:
+        # Récupérer le message et le contenu encodé en base64 du PDF
+        message = request.json.get('message')
+        pdf_base64 = request.json.get('pdf_content')  # PDF encodé en base64
+
+        if not pdf_base64:
+            return jsonify({'error': 'Aucun contenu PDF reçu.'}), 400
+
+        # Décoder le contenu base64 en fichier PDF
+        pdf_data = base64.b64decode(pdf_base64)
+        pdf_file = io.BytesIO(pdf_data)
+
+        # Extraire le texte du PDF
+        pdf_reader = PdfReader(pdf_file)
+        pdf_text = ""
+        for page in pdf_reader.pages:
+            pdf_text += page.extract_text()
+
+        if not pdf_text:
+            return jsonify({'error': 'Impossible d\'extraire le texte du PDF.'}), 500
+
+        # Utiliser le texte extrait du PDF dans la réponse du chatbot
+        response = chatbot_response(message, history=[], pdf_text=pdf_text)
+
+        return jsonify({'response': response})
+    except Exception as e:
+        return jsonify({'error': str(e)}), 500
+
+# Créer l'interface Gradio pour une utilisation normale
+# Définir la fonction user
+def user(user_message, history, pdf_text, image):
+    # Retourne un message vide et met à jour l'historique de la conversation
+    return "", history + [[user_message, None]], pdf_text, image
+
+def bot(history, pdf_text, image):
+    if history:
+        # Le dernier message utilisateur est passé à la fonction chatbot_response
+        bot_message = chatbot_response(history[-1][0], history[:-1], pdf_text, image)
+        history[-1][1] = bot_message  # Mettre à jour l'historique avec la réponse du bot
+        return history
+    return []
+
+def clear_chat():
+    return [], None, None
+
+# Interface Gradio
+with gr.Blocks(theme=gr.themes.Soft()) as demo:
+    chatbot = gr.Chatbot(label="Historique de la conversation")
+    msg = gr.Textbox(label="Votre message", placeholder="Tapez votre message ici...")
+    pdf_upload = gr.File(label="Téléchargez un fichier PDF", file_types=[".pdf"])
+    image_upload = gr.Image(type="filepath", label="Téléchargez une image")
+    clear = gr.Button("Effacer la conversation")
+    pdf_text = gr.State()
+    
+    # Lorsqu'un fichier PDF est uploadé, extrait le texte du PDF
+    pdf_upload.change(lambda file: extract_text_from_pdf(file), pdf_upload, pdf_text)
+    
+    # Lorsqu'un message est envoyé, met à jour le chatbot
+    msg.submit(user, [msg, chatbot, pdf_text, image_upload], [msg, chatbot, pdf_text, image_upload], queue=False).then(
+        bot, [chatbot, pdf_text, image_upload], chatbot
+    )
+    
+    # Efface la conversation
+    clear.click(clear_chat, None, [chatbot, pdf_text, image_upload], queue=False)
+
+demo.launch(server_name="0.0.0.0", server_port=int(os.environ.get("PORT", 5000)))
+
+# Lancer l'application Flask pour la gestion des API
+
+if __name__ == "__main__":
+    port = int(os.environ.get("PORT", 5000))  # Utilise le port fourni par Heroku
+    app.run(host="0.0.0.0", port=port)        # Assure-toi que Flask/Gradio écoute sur 0.0.0.0

Procfile

@@ -0,0 +1 @@
+web: python Chatbot-Albatros.py

requirements.txt

@@ -0,0 +1,9 @@
+requests==2.31.0
+gradio==4.44.1
+PyMuPDF==1.24.10
+Flask==3.0.3
+gunicorn
+PyPDF2==3.0.1
+logging
+base64
+