app.py

import gradio as gr
from transformers import AutoTokenizer, AutoModelForSeq2SeqLM

model_name = "nafisehNik/mt5-persian-summary"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSeq2SeqLM.from_pretrained(model_name)

def summarize(text):
    if not text.strip():
        return "لطفا متنی وارد کنید."
    inputs = tokenizer(text, return_tensors="pt", max_length=512, truncation=True)
    summary_ids = model.generate(inputs.input_ids, num_beams=4, max_length=150, early_stopping=True)
    return tokenizer.decode(summary_ids[0], skip_special_tokens=True)

demo = gr.Interface(
    fn=summarize,
    inputs=gr.Textbox(lines=10, placeholder="متن خود را اینجا وارد کنید..."),
    outputs=gr.Textbox(lines=5, label="خلاصه متن"),
    title="خلاصه‌ساز متن فارسی",
    description="یک اپلیکیشن ساده برای خلاصه‌سازی متن به زبان فارسی با استفاده از هوش مصنوعی.",
    theme="default"
)

demo.launch()