Update app.py

app.py

@@ -1,61 +1,82 @@
 # app.py
-
-import gradio as gr
+import streamlit as st
 from transformers import pipeline
-from diffusers import StableDiffusionPipeline
+from diffusers import StableDiffusionPipeline, DPMSolverMultistepScheduler
 import torch
 import re
 import os
 from huggingface_hub import login
+import time
+import io
+
+# Set page config
+st.set_page_config(
+    page_title="தமிழ் உரை முதல் பட உருவாக்கம்",
+    page_icon="🖼️",
+    layout="wide",
+    initial_sidebar_state="expanded"
+)
 
 # Get Hugging Face token from environment variable
 HF_TOKEN = os.environ.get("HF_TOKEN")
 if not HF_TOKEN:
-    raise ValueError("Hugging Face token not found in environment variables!")
+    st.error("Hugging Face token not found in environment variables!")
+    st.stop()
 else:
     login(token=HF_TOKEN)
 
-# Load all models
+# Global flag for safety checker
+SAFETY_CHECK_ENABLED = True
+
+# Cache model loading
+@st.cache_resource(show_spinner=False)
 def load_models():
-    # Translation model: Tamil → English
-    translator = pipeline(
-        "translation",
-        model="facebook/nllb-200-distilled-600M",
-        src_lang="tam_Taml",
-        tgt_lang="eng_Latn",
-        device=0 if torch.cuda.is_available() else -1,
-        use_auth_token=HF_TOKEN
-    )
-
-    # Text generation model
-    text_generator = pipeline(
-        "text-generation",
-        model="gpt2-medium",
-        device=0 if torch.cuda.is_available() else -1,
-        use_auth_token=HF_TOKEN
-    )
-
-    # Stable Diffusion for image generation
-    if torch.cuda.is_available():
-        image_pipe = StableDiffusionPipeline.from_pretrained(
-            "runwayml/stable-diffusion-v1-5",
-            torch_dtype=torch.float16,
-            revision="fp16",
-            use_auth_token=HF_TOKEN
-        ).to("cuda")
-    else:
-        image_pipe = StableDiffusionPipeline.from_pretrained(
-            "runwayml/stable-diffusion-v1-5",
-            use_auth_token=HF_TOKEN
+    with st.spinner("மாதிரிகள் ஏற்றப்படுகின்றன... இது சில நிமிடங்கள் எடுக்கலாம்"):
+        # Translation model: Tamil → English
+        translator = pipeline(
+            "translation",
+            model="facebook/nllb-200-distilled-600M",
+            src_lang="tam_Taml",
+            tgt_lang="eng_Latn",
+            device=0 if torch.cuda.is_available() else -1,
+            token=HF_TOKEN
         )
 
-    return translator, text_generator, image_pipe
+        # Text generation model
+        text_generator = pipeline(
+            "text-generation",
+            model="gpt2-medium",
+            device=0 if torch.cuda.is_available() else -1,
+            token=HF_TOKEN
+        )
+
+        # Stable Diffusion for image generation
+        if torch.cuda.is_available():
+            image_pipe = StableDiffusionPipeline.from_pretrained(
+                "runwayml/stable-diffusion-v1-5",
+                torch_dtype=torch.float16,
+                revision="fp16",
+                token=HF_TOKEN,
+                safety_checker=None if not SAFETY_CHECK_ENABLED else None
+            )
+            image_pipe.scheduler = DPMSolverMultistepScheduler.from_config(image_pipe.scheduler.config)
+            image_pipe = image_pipe.to("cuda")
+            image_pipe.enable_attention_slicing()
+        else:
+            image_pipe = StableDiffusionPipeline.from_pretrained(
+                "runwayml/stable-diffusion-v1-5",
+                token=HF_TOKEN
+            )
+            image_pipe.enable_attention_slicing()
 
-# Load models once at startup
+        return translator, text_generator, image_pipe
+
+# Load models
 try:
     translator, text_generator, image_pipe = load_models()
 except Exception as e:
-    raise RuntimeError(f"Model loading failed: {str(e)}")
+    st.error(f"மாதிரிகள் ஏற்றுவதில் தோல்வி: {str(e)}")
+    st.stop()
 
 # Clean generated text
 def clean_text(text):
@@ -66,80 +87,221 @@ def clean_text(text):
 # Main processing function
 def process_content(tamil_input, creativity_level):
     try:
+        # Track processing time
+        start_time = time.time()
+        
         # Translation
-        translation_result = translator(tamil_input)
-        english_text = translation_result[0]['translation_text']
-
+        with st.spinner("மொழிபெயர்ப்பு... (Translating)"):
+            translation_result = translator(tamil_input)
+            english_text = translation_result[0]['translation_text']
+        
         # Image generation
-        image = image_pipe(
-            english_text,
-            guidance_scale=creativity_level,
-            num_inference_steps=30
-        ).images[0]
-
+        with st.spinner("படம் உருவாக்கப்படுகிறது... (Generating Image)"):
+            image = image_pipe(
+                english_text,
+                guidance_scale=7 + creativity_level,  # Range 8-17
+                num_inference_steps=30 + creativity_level * 2,
+                height=512,
+                width=512
+            ).images[0]
+        
         # Text generation
-        creative_output = text_generator(
-            f"Create creative content about: {english_text}",
-            max_length=150,
-            temperature=creativity_level / 10,
-            num_return_sequences=1
+        with st.spinner("உரை உருவாக்கப்படுகிறது... (Generating Text)"):
+            creative_output = text_generator(
+                f"Create creative content about: {english_text}",
+                max_length=150,
+                temperature=creativity_level / 10,
+                num_return_sequences=1
+            )
+            cleaned_text = clean_text(creative_output[0]['generated_text'])
+        
+        # Calculate processing time
+        proc_time = time.time() - start_time
+        
+        return english_text, cleaned_text, image, f"⏱️ செயலாக்க நேரம்: {proc_time:.1f} வினாடிகள்", ""
+    
+    except torch.cuda.OutOfMemoryError:
+        torch.cuda.empty_cache()
+        return "", "", None, "", "⚠️ GPU மெமரி நிரம்பிவிட்டது! தயவுசெய்து உள்ளீட்டை குறைக்கவும் அல்லது படைப்புத்திறன் அளவை குறைக்கவும்"
+    except Exception as e:
+        return "", "", None, "", f"⚠️ பிழை: {str(e)}"
+
+# Initialize session state
+if 'tamil_input' not in st.session_state:
+    st.session_state.tamil_input = ""
+if 'creativity' not in st.session_state:
+    st.session_state.creativity = 7
+if 'outputs' not in st.session_state:
+    st.session_state.outputs = []
+
+# Custom CSS for Tamil font support
+def local_css(file_name):
+    try:
+        with open(file_name) as f:
+            st.markdown(f"<style>{f.read()}</style>", unsafe_allow_html=True)
+    except:
+        st.markdown("""
+        <style>
+        @import url('https://fonts.googleapis.com/css2?family=Catamaran:wght@400;700&family=Hind+Madurai:wght@400;700&display=swap');
+        
+        /* Apply Tamil font to specific elements */
+        body, .stTextArea>label, .stSlider>label, .stButton>button, .stSelectbox>label {
+            font-family: 'Catamaran', 'Hind Madurai', sans-serif !important;
+        }
+        
+        /* Custom styling */
+        .stTextInput input, .stTextArea textarea {
+            border: 2px solid #4CAF50 !important;
+        }
+        
+        .stButton>button {
+            background-color: #4CAF50 !important;
+            color: white !important;
+            font-weight: bold;
+        }
+        
+        .stSlider>div>div>div>div {
+            background-color: #4CAF50 !important;
+        }
+        </style>
+        """, unsafe_allow_html=True)
+
+# Apply CSS
+local_css("style.css")
+
+st.title("🌐 தமிழ் உரை முதல் பட உருவாக்கம்")
+st.markdown("தமிழில் உள்ளீடு செய்து → ஆங்கில மொழிபெயர்ப்பு + AI உருவம் + படைப்பு உரை பெறவும்")
+
+# Sidebar with examples and info
+with st.sidebar:
+    st.header("உதாரணங்கள்")
+    examples = [
+        ("கடலின் அடியில் மறைந்திருக்கும் பழைய நகரம்", 8),
+        ("பனி படர்ந்த குளிர்காலத்தில் வெப்பமான காபி குடிக்கும் பழங்குடி பெண்", 7),
+        ("வேறு கிரகத்தில் இருந்து வந்த அறிவார்ந்த இயந்திரங்கள்", 9)
+    ]
+    
+    for text, creativity in examples:
+        if st.button(text, use_container_width=True):
+            st.session_state.tamil_input = text
+            st.session_state.creativity = creativity
+    
+    st.divider()
+    st.header("விவரங்கள்")
+    st.markdown("""
+    - **மொழிபெயர்ப்பு மாதிரி**: Facebook NLLB-200 (Tamil → English)
+    - **உரை உருவாக்கம்**: GPT-2 Medium
+    - **பட உருவாக்கம்**: Stable Diffusion v1.5
+    """)
+    st.divider()
+    st.markdown("""
+    **அறிவுறுத்தல்கள்**:
+    1. தமிழில் உங்கள் யோசனையை உள்ளிடவும்
+    2. படைப்புத்திறன் அளவை சரிசெய்யவும் (1-10)
+    3. "உருவாக்கு" பொத்தானை அழுத்தவும்
+    4. உங்கள் படம் மற்றும் உரை விளைவுகளைப் பாருங்கள்!
+    """)
+
+# Main content
+with st.form("input_form"):
+    col1, col2 = st.columns([3, 1])
+    
+    with col1:
+        tamil_input = st.text_area(
+            "தமிழ் உள்ளீடு",
+            value=st.session_state.tamil_input,
+            placeholder="உதாரணம்: பனி படர்ந்த குளிர்காலத்தில் வெப்பமான காபி குடிக்கும் பழங்குடி பெண்",
+            height=150
         )
+    
+    with col2:
+        creativity = st.slider(
+            "படைப்பாற்றல் நிலை",
+            min_value=1, max_value=10, value=st.session_state.creativity, step=1,
+            help="அதிக எண் = அதிக புதுமை ஆனால் குறைந்த துல்லியம்"
+        )
+        submit_btn = st.form_submit_button("உருவாக்கு", use_container_width=True)
+        clear_btn = st.form_submit_button("துடைத்து துவக்கவும்", use_container_width=True)
 
-        return english_text, clean_text(creative_output[0]['generated_text']), image, ""
-    except Exception as e:
-        return "", "", None, f"⚠️ Error: {str(e)}"
-
-# Gradio UI
-with gr.Blocks(theme=gr.themes.Soft()) as app:
-    gr.Markdown("# 🌐 தமிழ் உரை முதல் பட உருவாக்கம் (Tamil to Image Generator)")
-    gr.Markdown("தமிழில் உள்ளீடு செய்து → ஆங்கில மொழிபெயர்ப்பு + AI உருவம் + படைப்பு உரை பெறவும்")
-
-    with gr.Row():
-        with gr.Column():
-            tamil_input = gr.Textbox(
-                label="தமிழ் உள்ளீடு",
-                placeholder="உதாரணம்: பனி படர்ந்த குளிர்காலத்தில் வெப்பமான காபி குடிக்கும் பழங்குடி பெண்",
-                lines=3
-            )
-            creativity = gr.Slider(
-                label="படைப்பாற்றல் நிலை",
-                minimum=1, maximum=10, value=7, step=1
-            )
-            submit_btn = gr.Button("உருவாக்கு")
-
-        with gr.Column():
-            translation_box = gr.Textbox(label="ஆங்கில மொழிபெயர்ப்பு")
-            creative_output = gr.Textbox(label="படைப்பு உரை", lines=3)
-            image_output = gr.Image(label="உருவாக்கப்பட்ட படம்")
-            error_output = gr.Textbox(label="பிழை செய்திகள்", visible=True)
-
-    # Example inputs
-    examples = gr.Examples(
-        examples=[
-            ["கடலின் அடியில் மறைந்திருக்கும் பழைய நகரம்", 8],
-            ["பனி படர்ந்த குளிர்காலத்தில் வெப்பமான காபி குடிக்கும் பழங்குடி பெண்", 7],
-            ["வேறு கிரகத்தில் இருந்து வந்த அறிவார்ந்த இயந்திரங்கள்", 9]
-        ],
-        inputs=[tamil_input, creativity]
-    )
-
-    # Clear all inputs/outputs
-    clear_btn = gr.Button("துடைத்து துவக்கவும்")
-    def clear_all():
-        return "", "", "", None, ""
-
-    submit_btn.click(
-        fn=process_content,
-        inputs=[tamil_input, creativity],
-        outputs=[translation_box, creative_output, image_output, error_output]
-    )
-
-    clear_btn.click(
-        fn=clear_all,
-        inputs=[],
-        outputs=[tamil_input, translation_box, creative_output, image_output, error_output]
-    )
-
-# Launch the app
-if __name__ == "__main__":
-    app.queue().launch()
+# Process inputs
+if submit_btn and tamil_input:
+    with st.spinner("உருவாக்கம் நடந்து கொண்டிருக்கிறது..."):
+        english_text, creative_text, image, proc_time, error = process_content(tamil_input, creativity)
+        
+        # Save outputs to session state
+        st.session_state.outputs.append({
+            "tamil_input": tamil_input,
+            "english_text": english_text,
+            "creative_text": creative_text,
+            "image": image,
+            "proc_time": proc_time
+        })
+        
+        # Display results
+        st.subheader("முடிவுகள்")
+        
+        col1, col2 = st.columns(2)
+        
+        with col1:
+            st.text_area("ஆங்கில மொழிபெயர்ப்பு", value=english_text, height=100, disabled=True)
+            st.text_area("படைப்பு உரை", value=creative_text, height=150, disabled=True)
+            if proc_time:
+                st.info(proc_time)
+        
+        with col2:
+            if image:
+                st.image(image, caption="உருவாக்கப்பட்ட படம்", use_column_width=True)
+                
+                # Add download button
+                buf = io.BytesIO()
+                image.save(buf, format="PNG")
+                byte_im = buf.getvalue()
+                st.download_button(
+                    label="படத்தை பதிவிறக்குக",
+                    data=byte_im,
+                    file_name="tamil_ai_image.png",
+                    mime="image/png",
+                    use_container_width=True
+                )
+        
+        if error:
+            st.error(error)
+
+# Clear button functionality
+if clear_btn:
+    st.session_state.tamil_input = ""
+    st.session_state.creativity = 7
+    st.session_state.outputs = []
+    st.experimental_rerun()
+
+# Display history
+if st.session_state.outputs:
+    st.divider()
+    st.subheader("முந்தைய உருவாக்கங்கள்")
+    
+    for i, output in enumerate(reversed(st.session_state.outputs)):
+        with st.expander(f"உருவாக்கம் #{len(st.session_state.outputs)-i}: {output['tamil_input'][:50]}..."):
+            col1, col2 = st.columns(2)
+            
+            with col1:
+                st.text_area(f"மொழிபெயர்ப்பு #{len(st.session_state.outputs)-i}", 
+                            value=output['english_text'], height=100, disabled=True, key=f"eng_{i}")
+                st.text_area(f"படைப்பு உரை #{len(st.session_state.outputs)-i}", 
+                            value=output['creative_text'], height=150, disabled=True, key=f"text_{i}")
+                if output.get('proc_time'):
+                    st.info(output['proc_time'])
+            
+            with col2:
+                if output['image']:
+                    st.image(output['image'], caption="உருவாக்கப்பட்ட படம்", use_column_width=True)
+                    buf = io.BytesIO()
+                    output['image'].save(buf, format="PNG")
+                    byte_im = buf.getvalue()
+                    st.download_button(
+                        label=f"படத்தை பதிவிறக்குக #{len(st.session_state.outputs)-i}",
+                        data=byte_im,
+                        file_name=f"tamil_ai_image_{len(st.session_state.outputs)-i}.png",
+                        mime="image/png",
+                        use_container_width=True,
+                        key=f"download_{i}"
+                    )