app.py

import gradio as gr
from huggingface_hub import snapshot_download
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer
import os

# モデルをダウンロードするディレクトリ
model_dir = "models/Miwa-Keita/zenz-v1-checkpoints"

# 不要なファイルを除外し、特定のファイルのみダウンロード
snapshot_download(
    repo_id="Miwa-Keita/zenz-v1-checkpoints",
    local_dir=model_dir,
    allow_patterns=["*.bin", "*.json", "*.txt", "*.model"],  # 必要なファイルだけ取得
    ignore_patterns=["optimizer.pt", "checkpoint*"],  # いらないファイルを無視
)

# モデルとトークナイザーのロード（GPT-2 アーキテクチャ）
tokenizer = AutoTokenizer.from_pretrained(model_dir)
model = AutoModelForCausalLM.from_pretrained(model_dir, torch_dtype=torch.float32)

# 入力を調整する関数
def preprocess_input(user_input):
    prefix = "\uEE00"  # 前に付与する文字列
    suffix = "\uEE01"  # 後ろに付与する文字列
    processed_input = prefix + user_input + suffix
    return processed_input

# 出力を調整する関数
def postprocess_output(model_output):
    suffix = "\uEE01"
    # \uEE01の後の部分を抽出
    if suffix in model_output:
        return model_output.split(suffix)[1]
    return model_output

# 変換関数
def generate_text(user_input):
    processed_input = preprocess_input(user_input)
    
    # テキストをトークン化
    inputs = tokenizer(processed_input, return_tensors="pt")

    # モデルで生成
    outputs = model.generate(**inputs, max_length=100)

    # 出力のデコード
    decoded_output = tokenizer.decode(outputs[0], skip_special_tokens=True)

    # 出力の整形
    return postprocess_output(decoded_output)

# Gradio インターフェース
iface = gr.Interface(
    fn=generate_text,
    inputs=gr.Textbox(label="変換する文字列（カタカナ）"),
    outputs=gr.Textbox(label="変換結果"),
    title="ニューラルかな漢字変換モデル zenz-v1 のデモ",
    description="変換したい文字列をカタカナを入力してください"
)

# ローンチ
iface.launch()