app.py

import streamlit as st
from transformers import AutoTokenizer, AutoModelForSequenceClassification
import random
import torch
from sklearn.preprocessing import StandardScaler
from sklearn.cluster import KMeans
from matplotlib.font_manager import FontProperties
import pandas as pd
import seaborn as sns
from collections import Counter
import matplotlib.pyplot as plt
import numpy as np
# モデルとトークナイザーのロード
import time
from transformers import AutoModel
from matplotlib.offsetbox import OffsetImage, AnnotationBbox
import matplotlib.pyplot as plt
# モデルとトークナイザーのパス
model_path = 'use14/bert-base-japanese-v3/2024-0208-0323/model'
tokenizer_path = 'use14/bert-base-japanese-v3/2024-0208-0323/tokenizer'

# トークナイザーとモデルのロード
tokenizer = AutoTokenizer.from_pretrained(tokenizer_path)
model = AutoModelForSequenceClassification.from_pretrained(model_path, num_labels=14)

font_path = 'NotoSansCJKjp-Bold.otf'  # 実際のフォントのパスに置き換えてください
font_prop = FontProperties(fname=font_path)
# Streamlitアプリのタイトル
st.title("セリフチェッカー")
# セッション状態にキーが存在しない場合は、初期値を設定
if 'button_clicked' not in st.session_state:
    st.session_state.button_clicked = False

def on_button_click():
    # ボタンがクリックされた時の処理
    st.session_state.button_clicked = True
# 吹き出し風表示用のカスタムCSS

custom_css = """
<style>
.bubble {
    position: relative;
    background: #F0F0F0;
    border-radius: .4em;
    padding: 10px;
    max-width: 95%; /* 吹き出しの最大幅を90%に設定 */
    word-wrap: break-word; /* 長い単語でも折り返しを保証 */
}

.bubble::after {
    content: '';
    position: absolute;
    top: 10px;
    left: -10px;
    width: 0;
    height: 0;
    border: 10px solid transparent;
    border-right-color: #F0F0F0;
    border-left: 0;
    margin-top: 5px;
    margin-left: 0;
}
</style>
"""
# CSSを使ってプログレスバーの色を変更
st.markdown("""
    <style>
    /* プログレスバーの色を変更 */
    .stProgress > div > div > div > div {
        background-color: #008000;
    }
    </style>
    """, unsafe_allow_html=True)
# カテゴリリスト
category_list = [
    '5_紫上鏡一[教師,大人,タメ口]', '20_見嶋千里[怖め,大人,粗雑な言葉,特徴的な笑い]', '29_白鳥王子[キザ,大人,調子いい]',
    '30_白城院素子[お嬢様,少女]', '32_水陰那月[ネガティブ,少年,敬語]', '50_緋崎平一郎[元気,少年,やんちゃ]',
    '76_百知瑠璃[元気,少女,です！,写真]', '91_桜結衣[元気,少女,タメ口,アイドル]', '101_御伽美夜子[落ち着いている,大人,女性口調]',
    '121_荊棘従道[執事,大人,敬語(丁寧語)]', '133_司馬萌香[姉御,少女,粗雑(ヤンキー)]', '134_菜野花[落ち着いてる,少女,敬語]',
    '139_黒冬和馬[少しそっけない,少年,タメ口]', '142_四涼礼子[ダウナー,少女,語尾～,めんどくさがり]'
]
# カテゴリ選択用のセレクトボックス
selected_category = st.selectbox("１．目標キャラクターを選択", category_list)

# 選択されたカテゴリに対応する画像ファイル名の決定
# カテゴリリストのインデックスを取得し、それに1を加えることで1から始まる画像ファイル番号を作成
image_file_number = category_list.index(selected_category) + 1
image_path = f"img/{image_file_number}.png"
image_width=300
judge_text = st.text_input("２．セリフを入力  //例: 貴方達も迷ったんですか？, よし、変身完了だ。, 勿論幽霊は抜きにして…でしょうね。,[ですわ。,だろ！,ですね。]")

st.button("🔍 チェックする", on_click=on_button_click)
st.divider()
# 画面を2つの列に分割
col1, col2 = st.columns([1, 4])
# 左側の列に画像を表示
with col1:
    st.image(image_path, caption=selected_category, width=120)
# 右側の列にテキストボックスを配置
with col2:
    if judge_text:  # ユーザーが何か入力した場合のみ表示
        st.markdown(custom_css, unsafe_allow_html=True)  # カスタムCSSの適用
        st.markdown(f'<div class="bubble">{judge_text}</div>', unsafe_allow_html=True)

# 処理ステップ数に応じてプログレスバーを更新する関数
def update_progress(step, total_steps):
    progress = int((step / total_steps) * 100)
    progress_bar.progress(progress)

total_steps = 5  # 処理を行う総ステップ数
if st.session_state.button_clicked:
    if judge_text:
        # プログレスバーの初期化
        progress_bar = st.progress(0)
        
        # トークナイズとテンソル化
        words = tokenizer.tokenize(judge_text)
        word_ids = tokenizer.convert_tokens_to_ids(words)
        word_tensor = torch.tensor([word_ids[:512]])  # 最大長を512に制限
        update_progress(1, total_steps)

        # デバイスの自動選択
        device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
        word_tensor = word_tensor.to(device)
        model = model.to(device)
        update_progress(2, total_steps)

        # 推論
        with torch.no_grad():
            y = model(word_tensor)
        update_progress(3, total_steps)

        # 最も近いカテゴリの決定
        pred = y.logits.argmax(-1)
        st.write(f"最もらしい: {category_list[pred.item()]}")
        update_progress(4, total_steps)

        # 各クラスの確率計算
        probabilities = torch.softmax(y.logits, dim=-1)
        top_prob, top_cat_indices = probabilities.topk(len(category_list))
        update_progress(5, total_steps)

        # 確率とカテゴリ名の準備
        top_probabilities = top_prob.cpu().numpy()[0]
        top_categories = [category_list[index] for index in top_cat_indices.cpu().numpy()[0]]

        # 棒グラフの作成

        # 棒グラフの作成
        plt.figure(figsize=(10, 6))
        bars = plt.bar(range(len(top_categories)), top_probabilities, color='skyblue')

        # 画像の読み込みと配置
        for i, (bar, category) in enumerate(zip(bars, top_categories)):
            img_path = f'img/{i+1}.png'  # ファイル名はcategory_listの順番+1の番号.png
            image = plt.imread(img_path)
            imagebox = OffsetImage(image, zoom=0.5)  # zoomで画像のサイズを調整
            ab = AnnotationBbox(imagebox, (bar.get_x() + bar.get_width() / 2, bar.get_height()), frameon=False, box_alignment=(0.5, -0.2))
            plt.gca().add_artist(ab)

        plt.xlabel('カテゴリ', fontproperties=font_prop)
        plt.ylabel('確率', fontproperties=font_prop)
        plt.ylim(0, 0.5)  # y軸の範囲設定
        plt.xticks(range(len(top_categories)), top_categories, rotation=45, ha="right", fontproperties=font_prop)
        plt.title('カテゴリ別確率', fontproperties=font_prop)
        plt.show()


        progress_bar.progress(100)
        time.sleep(1)  # 1秒待機
        progress_bar.empty()  # プログレスバーを削除

    else:
        st.write("入力してください。")