Update app.py

app.py

@@ -1,22 +1,29 @@
 import gradio as gr
 import torch
-from transformers import MBartForConditionalGeneration, MBartTokenizer
+from transformers import AutoTokenizer, AutoModelForSeq2SeqLM
 
-# Remplace par ton repo exact si besoin :
-model_name = "alice/mini/mBART_french_correction"
+# Modèle Hugging Face sélectionné
+model_name = "PoloHuggingface/French_grammar_error_corrector"
 
-# Chargement du tokenizer et du modèle
-tokenizer = MBartTokenizer.from_pretrained(model_name)
-model = MBartForConditionalGeneration.from_pretrained(model_name)
+# Chargement du modèle et du tokenizer
+tokenizer = AutoTokenizer.from_pretrained(model_name)
+model = AutoModelForSeq2SeqLM.from_pretrained(model_name)
 
+# Vérification GPU/CPU
 device = "cuda" if torch.cuda.is_available() else "cpu"
 model.to(device)
 
 def correction_grammaticale(texte):
+    """
+    Fonction qui envoie le texte au modèle T5 pour correction grammaticale.
+    """
+    # Préfixe facultatif (à tester si nécessaire)
+    input_text = texte
+
     # Tokenisation
-    inputs = tokenizer(texte, return_tensors="pt", max_length=512, truncation=True).to(device)
+    inputs = tokenizer(input_text, return_tensors="pt", truncation=True).to(device)
     
-    # Génération
+    # Génération du texte corrigé
     outputs = model.generate(
         **inputs,
         max_length=512,
@@ -24,15 +31,16 @@ def correction_grammaticale(texte):
         early_stopping=True
     )
     
-    # Décodage
+    # Décodage du texte corrigé
     correction = tokenizer.decode(outputs[0], skip_special_tokens=True)
     return correction
 
+# Interface utilisateur Gradio
 demo = gr.Interface(
     fn=correction_grammaticale,
     inputs=gr.Textbox(label="Texte à corriger"),
     outputs=gr.Textbox(label="Texte corrigé"),
-    title="Correcteur MBART Français"
+    title="Correcteur Grammatical Français"
 )
 
 if __name__ == "__main__":