Update app.py

app.py

@@ -1,123 +1,119 @@
 # app.py
+
 import gradio as gr
-from transformers import pipeline, AutoTokenizer, AutoModelForSeq2SeqLM
+from transformers import pipeline
 from diffusers import StableDiffusionPipeline
 import torch
 import re
 import os
 from huggingface_hub import login
 
+# 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!")
-
-# Authenticate with Hugging Face Hub
 else:
     login(token=HF_TOKEN)
 
-# Initialize models
+# Load all models
 def load_models():
-    # Load translation model (NLLB - best for Tamil)
+    # 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  # Token added here
+        use_auth_token=HF_TOKEN
     )
-    
-    # Text generation pipeline
+
+    # Text generation model
     text_generator = pipeline(
-        "text-generation", 
+        "text-generation",
         model="gpt2-medium",
         device=0 if torch.cuda.is_available() else -1,
-        use_auth_token=HF_TOKEN  # Token added here
+        use_auth_token=HF_TOKEN
     )
-    
-    # Image generation pipeline
+
+    # 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  # Token added here
+            use_auth_token=HF_TOKEN
         ).to("cuda")
     else:
         image_pipe = StableDiffusionPipeline.from_pretrained(
             "runwayml/stable-diffusion-v1-5",
-            use_auth_token=HF_TOKEN  # Token added here
+            use_auth_token=HF_TOKEN
         )
-    
+
     return translator, text_generator, image_pipe
 
-# Load models at startup
+# Load models once at startup
 try:
     translator, text_generator, image_pipe = load_models()
 except Exception as e:
     raise RuntimeError(f"Model loading failed: {str(e)}")
 
+# Clean generated text
 def clean_text(text):
-    """Remove special characters and truncate to complete sentences"""
-    cleaned = re.split(r'(?<=[.!?])\s+', text)[0]
-    return re.sub(r'[^a-zA-Z0-9,.!?\'"\- ]+', '', cleaned).strip()
+    cleaned = re.sub(r'[^a-zA-Z0-9,.!?\'"\- ]+', '', text).strip()
+    sentences = re.split(r'(?<=[.!?])\s+', cleaned)
+    return ' '.join(sentences[:2])  # return first 2 sentences
 
+# Main processing function
 def process_content(tamil_input, creativity_level):
-    outputs = {}
-    error = ""
-    
     try:
-        # Translate Tamil to English
+        # Translation
         translation_result = translator(tamil_input)
         english_text = translation_result[0]['translation_text']
-        outputs["translation"] = english_text
-        
-        # Generate image
+
+        # Image generation
         image = image_pipe(
-            english_text, 
+            english_text,
             guidance_scale=creativity_level,
             num_inference_steps=30
         ).images[0]
-        outputs["image"] = image
-        
-        # Generate creative text
+
+        # Text generation
         creative_output = text_generator(
             f"Create creative content about: {english_text}",
             max_length=150,
-            temperature=creativity_level/10,
+            temperature=creativity_level / 10,
             num_return_sequences=1
         )
-        outputs["creative_text"] = clean_text(creative_output[0]['generated_text'])
-        
+
+        return english_text, clean_text(creative_output[0]['generated_text']), image, ""
     except Exception as e:
-        error = f"⚠️ Error: {str(e)}"
-    
-    return outputs, error
+        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="உங்கள் உரையை இங்கே உள்ளிடவும்...",
+                label="தமிழ் உள்ளீடு",
+                placeholder="உதாரணம்: பனி படர்ந்த குளிர்காலத்தில் வெப்பமான காபி குடிக்கும் பழங்குடி பெண்",
                 lines=3
             )
             creativity = gr.Slider(
-                label="படைப்பாற்றல் நிலை", 
+                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],
@@ -126,24 +122,24 @@ with gr.Blocks(theme=gr.themes.Soft()) as app:
         ],
         inputs=[tamil_input, creativity]
     )
-    
-    # Clear inputs button
+
+    # 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": translation_box, "creative_text": creative_output, "image": image_output}, error_output]
+        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.launch()
+    app.queue().launch()