app.py

from fastapi import FastAPI, HTTPException
from pydantic import BaseModel
from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

app = FastAPI()

# Load your fine-tuned model and tokenizer
MODEL_NAME = "aubmindlab/aragpt2-medium" 
tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME)
model = AutoModelForCausalLM.from_pretrained(MODEL_NAME)

# Define the general prompt template
general_prompt_template = """
أنت الآن نموذج لغة مخصص لتوليد نصوص عربية تعليمية بناءً على المادة والمستوى التعليمي. سيتم إعطاؤك مادة تعليمية ومستوى تعليمي، وعليك إنشاء نص مناسب بناءً على ذلك. النص يجب أن يكون:
1. واضحًا وسهل الفهم.
2. مناسبًا للمستوى التعليمي المحدد.
3. مرتبطًا بالمادة التعليمية المطلوبة.
4. قصيرًا ومباشرًا.

### أمثلة:
1. المادة: العلوم
   المستوى: الابتدائي
   النص: النباتات كائنات حية تحتاج إلى الماء والهواء وضوء الشمس لتنمو. بعض النباتات تنتج أزهارًا وفواكه. النباتات تساعدنا في الحصول على الأكسجين.

2. المادة: التاريخ
   المستوى: المتوسط
   النص: التاريخ هو دراسة الماضي وأحداثه المهمة. من خلال التاريخ، نتعلم عن الحضارات القديمة مثل الحضارة الفرعونية والحضارة الإسلامية. التاريخ يساعدنا على فهم تطور البشرية.

3. المادة: الجغرافيا
   المستوى: المتوسط
   النص: الجغرافيا هي دراسة الأرض وخصائصها. نتعلم عن القارات والمحيطات والجبال. الجغرافيا تساعدنا على فهم العالم من حولنا.

---

المادة: {المادة}
المستوى: {المستوى}

اكتب نصًا مناسبًا بناءً على المادة والمستوى المحددين. ركّز على جعل النص بسيطًا وواضحًا للمستوى المطلوب.
"""

class GenerateRequest(BaseModel):
    المادة: str
    المستوى: str

@app.post("/generate")
def generate_text(request: GenerateRequest):
    المادة = request.المادة
    المستوى = request.المستوى

    if not المادة or not المستوى:
        raise HTTPException(status_code=400, detail="المادة والمستوى مطلوبان.")

    # Format the prompt with user inputs
    arabic_prompt = general_prompt_template.format(المادة=المادة, المستوى=المستوى)

    # Tokenize the prompt
    inputs = tokenizer(arabic_prompt, return_tensors="pt", max_length=512, truncation=True)

    # Generate text
    with torch.no_grad():
        outputs = model.generate(
            inputs.input_ids,
            max_length=300,  # Adjust as needed
            num_return_sequences=1,
            temperature=0.1,  # Adjust for creativity
            top_p=0.9,  # Adjust for diversity
            do_sample=True,
        )

    # Decode the generated text
    generated_text = tokenizer.decode(outputs[0], skip_special_tokens=True)

    # Remove the prompt from the generated text
    generated_text = generated_text.replace(arabic_prompt, "").strip()

    return {"generated_text": generated_text}

@app.get("/")
def read_root():
    return {"message": "Welcome to the Arabic Text Generation API!"}