Create app.py

app.py

@@ -0,0 +1,119 @@
+import gradio as gr
+from transformers import T5Tokenizer, T5ForConditionalGeneration # Import T5Tokenizer dan T5ForConditionalGeneration
+import torch
+
+# ---------- LOAD MODEL DAN TOKENIZER ----------
+try:
+    # Memuat tokenizer dan model secara terpisah untuk model T5
+    tokenizer = T5Tokenizer.from_pretrained("cahya/t5-base-indonesian-summarization-cased")
+    model = T5ForConditionalGeneration.from_pretrained("cahya/t5-base-indonesian-summarization-cased")
+    
+    # Pindahkan model ke GPU jika tersedia
+    device = 0 if torch.cuda.is_available() else -1
+    if device != -1:
+        model.to(f"cuda:{device}")
+    
+    print("Model dan tokenizer Bahasa Indonesia berhasil dimuat.")
+except Exception as e:
+    tokenizer = None
+    model = None
+    print(f"Error saat memuat model dan tokenizer: {str(e)}") # Cetak error ke konsol jika gagal dimuat
+
+# ---------- SUMMARIZATION FUNCTION ----------
+def summarize_text_simple(text_input, min_length_val=30, max_length_val=150):
+    # Cek apakah model dan tokenizer berhasil dimuat
+    if tokenizer is None or model is None:
+        return "❌ Error: Model ringkasan gagal dimuat. Coba lagi nanti."
+
+    if not text_input.strip():
+        return "⚠️ Mohon masukkan teks yang ingin diringkas!"
+
+    # Pastikan panjang minimum dan maksimum masuk akal
+    if min_length_val >= max_length_val:
+        return "⚠️ Panjang minimum harus lebih kecil dari panjang maksimum!"
+    if min_length_val <= 0 or max_length_val <= 0:
+        return "⚠️ Panjang tidak boleh nol atau negatif!"
+    
+    try:
+        # Menambahkan prefix "summarize: " yang umum digunakan untuk T5 summarization
+        # Juga menambahkan truncation=True di tokenizer
+        input_ids = tokenizer.encode("summarize: " + text_input, 
+                                     return_tensors="pt", 
+                                     max_length=512, # Batasi panjang input token T5 (umumnya 512)
+                                     truncation=True)
+        
+        # Pindahkan input_ids ke GPU jika model ada di GPU
+        if device != -1:
+            input_ids = input_ids.to(f"cuda:{device}")
+
+        # Lakukan generasi ringkasan
+        summary_ids = model.generate(
+            input_ids,
+            min_length=int(min_length_val),
+            max_length=int(max_length_val),
+            num_beams=4, # Jumlah beam untuk beam search (meningkatkan kualitas)
+            early_stopping=True # Hentikan generasi lebih awal jika semua beam selesai
+        )
+        
+        # Dekode token hasil menjadi teks
+        summarized_text = tokenizer.decode(summary_ids[0], skip_special_tokens=True)
+        
+        result_message = f"""
+        <h3>Teks Ringkasan Anda:</h3>
+        <p>{summarized_text}</p>
+        """
+        
+        return result_message
+    
+    except Exception as e:
+        return f"❌ Terjadi kesalahan saat meringkas: {str(e)}"
+
+# ---------- GRADIO INTERFACE ----------
+with gr.Blocks(title="Aplikasi Ringkasan Teks Sederhana (ID)") as demo:
+    gr.Markdown("# 📝 Aplikasi Ringkasan Teks Sederhana (Bahasa Indonesia)")
+    gr.Markdown("Masukkan teks panjang berbahasa Indonesia di bawah ini untuk mendapatkan versi ringkasnya.")
+
+    with gr.Row():
+        text_input = gr.Textbox(
+            label="Teks Asli (Bahasa Indonesia)",
+            placeholder="Masukkan teks panjang berbahasa Indonesia yang ingin Anda ringkas di sini...",
+            lines=10
+        )
+    
+    with gr.Row():
+        min_length_slider = gr.Slider(
+            minimum=10,
+            maximum=100,
+            value=30,
+            step=1,
+            label="Panjang Ringkasan Minimum"
+        )
+        max_length_slider = gr.Slider(
+            minimum=50,
+            maximum=200, # Batasi maksimum yang lebih masuk akal untuk ringkasan
+            value=80,
+            step=1,
+            label="Panjang Ringkasan Maksimum"
+        )
+
+    summarize_btn = gr.Button("✨ Ringkas Sekarang")
+
+    summary_output = gr.HTML(label="Hasil Ringkasan")
+
+    # Menghubungkan tombol ke fungsi ringkasan
+    summarize_btn.click(
+        fn=summarize_text_simple,
+        inputs=[text_input, min_length_slider, max_length_slider],
+        outputs=summary_output
+    )
+
+    gr.Markdown("""
+    ---
+    <div style='text-align: center; margin-top: 20px;'>
+        <p>Didukung oleh Hugging Face Transformers (Model: cahya/t5-base-indonesian-summarization-cased) dan Gradio.</p>
+    </div>
+    """)
+
+# Jalankan antarmuka
+if __name__ == "__main__":
+    demo.launch()