Create app.py

app.py

@@ -0,0 +1,57 @@
+from fastapi import FastAPI
+from pydantic import BaseModel
+import torch
+from transformers import pipeline, AutoTokenizer, AutoModelForCausalLM
+import gradio as gr
+
+# 1. تهيئة تطبيق FastAPI
+app = FastAPI()
+
+# 2. تحميل النموذج مرة واحدة عند التشغيل
+MODEL_NAME = "aubmindlab/aragpt2-base"  # نموذج مخصص للعربية
+tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME)
+model = AutoModelForCausalLM.from_pretrained(MODEL_NAME)
+
+# 3. تعريف دالة التوليد
+def generate_text(prompt: str, max_length=200):
+    inputs = tokenizer.encode(prompt, return_tensors="pt")
+    outputs = model.generate(
+        inputs,
+        max_length=max_length,
+        do_sample=True,
+        top_k=50,
+        top_p=0.95,
+        temperature=0.7,
+        pad_token_id=tokenizer.eos_token_id
+    )
+    return tokenizer.decode(outputs[0], skip_special_tokens=True)
+
+# 4. واجهة API باستخدام FastAPI
+class Request(BaseModel):
+    text: str
+    max_length: int = 200
+
+@app.post("/generate")
+async def api_generate(request: Request):
+    result = generate_text(request.text, request.max_length)
+    return {"generated_text": result}
+
+# 5. واجهة المستخدم باستخدام Gradio
+def gradio_interface(prompt):
+    return generate_text(prompt)
+
+ui = gr.Interface(
+    fn=gradio_interface,
+    inputs=gr.Textbox(lines=3, placeholder="اكتب سؤالك هنا...", label="المدخلات"),
+    outputs=gr.Textbox(label="الإجابة"),
+    title="نموذج ذكاء اصطناعي للغة العربية",
+    description="نموذج توليد نصوص بالعربية مع واجهة API"
+)
+
+# 6. دمج الواجهات
+app = gr.mount_gradio_app(app, ui, path="/ui")
+
+# 7. لتشغيل التطبيق محلياً (إختياري)
+if __name__ == "__main__":
+    import uvicorn
+    uvicorn.run(app, host="0.0.0.0", port=8000)