Update app.py

app.py

@@ -1,63 +1,177 @@
+import spaces
 import gradio as gr
-from huggingface_hub import InferenceClient
-
-"""
-For more information on `huggingface_hub` Inference API support, please check the docs: https://huggingface.co/docs/huggingface_hub/v0.22.2/en/guides/inference
-"""
-client = InferenceClient("HuggingFaceH4/zephyr-7b-beta")
-
-
-def respond(
-    message,
-    history: list[tuple[str, str]],
-    system_message,
-    max_tokens,
-    temperature,
-    top_p,
-):
-    messages = [{"role": "system", "content": system_message}]
-
-    for val in history:
-        if val[0]:
-            messages.append({"role": "user", "content": val[0]})
-        if val[1]:
-            messages.append({"role": "assistant", "content": val[1]})
-
-    messages.append({"role": "user", "content": message})
-
-    response = ""
-
-    for message in client.chat_completion(
-        messages,
-        max_tokens=max_tokens,
-        stream=True,
-        temperature=temperature,
+from transformers import pipeline, AutoTokenizer, AutoModelForCausalLM
+import torch
+from threading import Thread
+from typing import Iterator
+from datasets import load_dataset
+import soundfile as sf
+import numpy as np
+
+# Constantes
+DEFAULT_MAX_NEW_TOKENS = 100
+MAX_INPUT_TOKEN_LENGTH = 4096
+MODEL_NAME = "openai/whisper-small"
+FILE_LIMIT_MB = 1000
+YT_LENGTH_LIMIT_S = 3600
+
+# Chargement des modèles
+device = 0 if torch.cuda.is_available() else "cpu"
+stt_pipeline = pipeline(
+    task="automatic-speech-recognition",
+    model=MODEL_NAME,
+    device=device,
+    model_kwargs={"low_cpu_mem_usage": True},
+)
+
+tokenizer = AutoTokenizer.from_pretrained("microsoft/phi-2", trust_remote_code=True)
+lm_model = AutoModelForCausalLM.from_pretrained("microsoft/phi-2", trust_remote_code=True, device_map="cpu")
+
+tts_pipeline = pipeline("text-to-speech", "microsoft/speecht5_tts")
+embeddings_dataset = load_dataset("Matthijs/cmu-arctic-xvectors", split="validation")
+speaker_embedding = torch.tensor(embeddings_dataset[7306]["xvector"]).unsqueeze(0)
+
+# System prompt
+SYSTEM_PROMPT = """Tu es un assistant IA français nommé Lucas, conçu pour aider les utilisateurs de manière amicale et professionnelle. Tu dois toujours répondre en français. Voici quelques règles à suivre :
+
+1. Sois poli, respectueux et bienveillant dans toutes tes interactions.
+2. Fournis des informations précises et à jour, en citant des sources fiables si nécessaire.
+3. Si tu ne connais pas la réponse à une question, admets-le honnêtement.
+4. Adapte ton langage en fonction du contexte de la conversation.
+5. Respecte la vie privée des utilisateurs et ne demande pas d'informations personnelles.
+6. Encourage la réflexion critique et l'apprentissage.
+7. Évite tout contenu inapproprié, offensant ou discriminatoire.
+
+Ton objectif est d'assister l'utilisateur de la meilleure façon possible tout en respectant ces principes."""
+
+# Variables globales
+is_first_interaction = True
+
+# Fonctions utilitaires
+def transcribe_audio(audio):
+    return stt_pipeline(audio, generate_kwargs={"language": "french"})["text"]
+
+def text_to_speech(text):
+    speech = tts_pipeline(text, forward_params={"speaker_embeddings": speaker_embedding})
+    return (speech["audio"], speech["sampling_rate"])
+
+def determine_response_type(message):
+    if len(message.split()) < 10:
+        return "short"
+    elif len(message.split()) > 30:
+        return "long"
+    else:
+        return "medium"
+
+def post_process_response(response, is_short):
+    # Implémentez ici la logique de post-traitement si nécessaire
+    return response
+
+def check_coherence(response):
+    # Implémentez ici la vérification de cohérence si nécessaire
+    return True
+
+def early_stopping(text):
+    # Implémentez ici la logique d'arrêt anticipé si nécessaire
+    return text
+
+# Fonction principale
+@spaces.GPU(duration=120)
+def speech_to_speech_pipeline(
+    audio_input,
+    chat_history: list[tuple[str, str]],
+    max_new_tokens: int = DEFAULT_MAX_NEW_TOKENS,
+    temperature: float = 0.7,
+    top_p: float = 0.95,
+) -> Iterator[str]:
+    global is_first_interaction
+
+    # Transcription de l'audio en texte
+    message = transcribe_audio(audio_input)
+
+    if is_first_interaction:
+        warning_message = """⚠️ Attention : Je suis un modèle en version alpha (V.0.0.5) et je peux générer des réponses incohérentes ou inexactes. Une mise à jour majeure avec un système RAG est prévue pour améliorer mes performances. Merci de votre compréhension ! 😊"""
+        yield warning_message
+        is_first_interaction = False
+
+    response_type = determine_response_type(message)
+    if response_type == "short":
+        max_new_tokens = max(70, max_new_tokens)
+    elif response_type == "long":
+        max_new_tokens = min(max(120, max_new_tokens), 200)
+    else:  # medium
+        max_new_tokens = min(max(70, max_new_tokens), 120)
+
+    conversation = []
+    conversation.append({"role": "system", "content": SYSTEM_PROMPT})
+
+    for user, assistant in chat_history[-3:]:
+        conversation.append({"role": "user", "content": user})
+        if assistant:
+            conversation.append({"role": "assistant", "content": assistant})
+
+    conversation.append({"role": "user", "content": message})
+
+    input_ids = tokenizer.apply_chat_template(conversation, return_tensors="pt")
+    attention_mask = torch.ones_like(input_ids)
+
+    if input_ids.shape[1] > MAX_INPUT_TOKEN_LENGTH:
+        input_ids = input_ids[:, -MAX_INPUT_TOKEN_LENGTH:]
+        attention_mask = attention_mask[:, -MAX_INPUT_TOKEN_LENGTH:]
+        gr.Warning(f"L'entrée de la conversation a été tronquée car elle dépassait {MAX_INPUT_TOKEN_LENGTH} tokens.")
+
+    input_ids = input_ids.to(lm_model.device)
+    attention_mask = attention_mask.to(lm_model.device)
+
+    streamer = TextIteratorStreamer(tokenizer, timeout=10.0, skip_prompt=True, skip_special_tokens=True)
+    generate_kwargs = dict(
+        input_ids=input_ids,
+        attention_mask=attention_mask,
+        streamer=streamer,
+        max_new_tokens=max_new_tokens,
+        do_sample=True,
         top_p=top_p,
-    ):
-        token = message.choices[0].delta.content
-
-        response += token
-        yield response
-
-"""
-For information on how to customize the ChatInterface, peruse the gradio docs: https://www.gradio.app/docs/chatinterface
-"""
-demo = gr.ChatInterface(
-    respond,
-    additional_inputs=[
-        gr.Textbox(value="You are a friendly Chatbot.", label="System message"),
-        gr.Slider(minimum=1, maximum=2048, value=512, step=1, label="Max new tokens"),
-        gr.Slider(minimum=0.1, maximum=4.0, value=0.7, step=0.1, label="Temperature"),
-        gr.Slider(
-            minimum=0.1,
-            maximum=1.0,
-            value=0.95,
-            step=0.05,
-            label="Top-p (nucleus sampling)",
-        ),
+        temperature=temperature,
+        num_beams=1,
+        eos_token_id=tokenizer.eos_token_id,
+        pad_token_id=tokenizer.pad_token_id,
+    )
+
+    t = Thread(target=lm_model.generate, kwargs=generate_kwargs)
+    t.start()
+
+    outputs = []
+    for text in streamer:
+        outputs.append(text)
+        partial_output = early_stopping("".join(outputs))
+        processed_output = post_process_response(partial_output, response_type == "short")
+        if not check_coherence(processed_output):
+            yield "Je m'excuse, ma réponse manquait de cohérence. Pouvez-vous reformuler votre question ?"
+            return
+        yield processed_output
+
+    final_output = early_stopping("".join(outputs))
+    final_processed_output = post_process_response(final_output, response_type == "short")
+    
+    if check_coherence(final_processed_output):
+        audio_output, sample_rate = text_to_speech(final_processed_output)
+        yield (sample_rate, audio_output)
+    else:
+        yield "Je m'excuse, ma réponse finale manquait de cohérence. Pouvez-vous reformuler votre question ?"
+
+# Interface Gradio
+iface = gr.Interface(
+    fn=speech_to_speech_pipeline,
+    inputs=[
+        gr.Audio(source="microphone", type="numpy"),
+        gr.State([]),  # pour chat_history
+        gr.Slider(minimum=1, maximum=500, value=DEFAULT_MAX_NEW_TOKENS, label="Max New Tokens"),
+        gr.Slider(minimum=0.1, maximum=1.0, value=0.7, label="Temperature"),
+        gr.Slider(minimum=0.05, maximum=1.0, value=0.95, label="Top P"),
     ],
+    outputs="audio",
+    title="Assistant IA Lucas - Speech-to-Speech en Français",
+    description="Parlez dans le microphone et obtenez une réponse audio générée par l'IA en français."
 )
 
-
-if __name__ == "__main__":
-    demo.launch()
+iface.launch()