app.py

from PyPDF2 import PdfReader
from transformers import pipeline, MarianMTModel, MarianTokenizer
import torch
import gradio as gr
from gtts import gTTS

# Проверка доступности GPU
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

# Инициализация модели для суммаризации
summarizer = pipeline("summarization", model="philschmid/bart-large-cnn-samsum", device=0 if device.type == "cuda" else -1)

# Инициализация модели для перевода
translation_model_name = "Helsinki-NLP/opus-mt-en-ru"
translation_tokenizer = MarianTokenizer.from_pretrained(translation_model_name)
translation_model = MarianMTModel.from_pretrained(translation_model_name).to(device)

def parse_pdf(pdf_file):
    """Функция для извлечения текста из PDF файла."""
    reader = PdfReader(pdf_file)
    extracted_text = ""
    for page in reader.pages:
        extracted_text += page.extract_text() or ""
    return extracted_text

def summarize(text, max_length=130, min_length=30):
    """Функция для суммаризации текста."""
    # Разделяем текст на части, если он слишком большой
    max_chunk_size = 1024
    chunks = [text[i:i + max_chunk_size] for i in range(0, len(text), max_chunk_size)]
    summaries = []
    for chunk in chunks:
        result = summarizer(chunk, max_length=max_length, min_length=min_length, do_sample=False)
        summaries.append(result[0]['summary_text'])
    return " ".join(summaries)

def translate(text):
    """Функция для перевода текста на русский."""
    # Токенизация и перевод
    inputs = translation_tokenizer(text, return_tensors="pt", truncation=True, padding=True).to(device)
    translated_tokens = translation_model.generate(**inputs)
    translated_text = translation_tokenizer.decode(translated_tokens[0], skip_special_tokens=True)
    return translated_text

def text_to_speech(text, language='ru'):
    """Функция для преобразования текста в аудиофайл."""
    tts = gTTS(text=text, lang=language)
    audio_file = "output.mp3"
    tts.save(audio_file)
    return audio_file

def process_pdf(pdf_file, language):
    """Основная функция обработки PDF файла."""
    if not pdf_file:
        return "No input provided."

    # Извлечение текста из PDF
    extracted_text = parse_pdf(pdf_file)
    print(f"Extracted Text: {extracted_text}")

    # Суммаризация текста
    summary = summarize(extracted_text)
    print(f"Summary: {summary}")

    # Если выбран русский язык, переводим текст
    if language == "rus":
        translated_text = translate(summary)
        print(f"Translated Text: {translated_text}")
        final_text = translated_text
        audio_language = 'ru'
    else:
        final_text = summary
        audio_language = 'en'

    # Преобразование текста в аудио
    audio_file = text_to_speech(final_text, language=audio_language)
    return final_text, audio_file

# Создание Gradio интерфейса
with gr.Blocks() as demo:
    gr.Markdown("# PDF Summarizer, Translator, and Text-to-Speech")
    gr.Markdown("Upload a PDF file to summarize, translate (if needed), and convert to audio.")

    language = gr.Radio(choices=["eng", "rus"], label="Output Language", value="rus")
    pdf_input = gr.File(label="Upload PDF File", type="filepath")
    text_output = gr.Textbox(label="Processed Text", lines=10)
    audio_output = gr.Audio(label="Generated Audio", type="filepath")
    process_button = gr.Button("Process PDF")

    process_button.click(process_pdf, inputs=[pdf_input, language], outputs=[text_output, audio_output])

# Запуск приложения
demo.launch(debug=True)