Buckets:

|
download
raw
10.5 kB
# درک کلاس Interface[[understanding-the-interface-class]]
<CourseFloatingBanner chapter={9}
classNames="absolute z-10 right-0 top-0"
notebooks={[
{label: "Google Colab", value: "https://colab.research.google.com/github/huggingface/notebooks/blob/master/course/en/chapter9/section3.ipynb"},
{label: "Aws Studio", value: "https://studiolab.sagemaker.aws/import/github/huggingface/notebooks/blob/master/course/en/chapter9/section3.ipynb"},
]} />
در این بخش، نگاهی دقیق‌تر به کلاس `Interface` خواهیم داشت
و پارامترهای اصلی مورد استفاده برای ساخت آن را بررسی می‌کنیم.
## چگونه یک Interface بسازیم[[how-to-create-an-interface]]
متوجه خواهید شد که کلاس `Interface` دارای 3 پارامتر مورد نیاز است:
`Interface(fn, inputs, outputs, ...)`
این پارامترها عبارتند از:
- `fn`: تابع پیش‌بینی که توسط رابط Gradio پیچیده شده است. این تابع می‌تواند یک یا چند پارامتر بگیرد و یک یا چند مقدار را برگرداند.
- `inputs`: نوع مؤلفه ورودی. Gradio بسیاری از اجزای از پیش ساخته شده مانند `"image"` یا `"mic"` را ارائه می دهد.
- `outputs`: نوع(های) کامپوننت خروجی. باز هم، Gradio کامپوننت‌های از پیش ساخته شده زیادی مانند `"image"` یا `"label"` را ارائه می‌دهد.
برای فهرست کامل اجزاء، [به اسناد Gradio ](https://gradio.app/docs) مراجعه کنید. هر جزء از پیش ساخته شده را می توان با نمونه سازی کلاس مربوط به کامپوننت سفارشی کرد.
برای مثال، همان‌طور که در [بخش قبلی](/course/chapter9/2) دیدیم،
به‌جای انتقال `"textbox"` به پارامتر `inputs`، می‌توانید مؤلفه‌ی `Textbox(lines=7, label="Prompt")` را بفرستید تا یک جعبه‌متن هفت‌خطی با برچسب بسازید.
بیایید نگاهی به مثال دیگری بیندازیم، این بار با کامپوننت `Audio`.
## یک مثال ساده با صوت[[a-simple-example-with-audio]]
همانطور که قبلا ذکر شد، Gradio ورودی و خروجی های مختلفی را ارائه می دهد.
پس بیایید یک `Interface` بسازیم که با صدا کار می کند.
در این مثال، ما یک تابع صوتی به صدا می سازیم که یک تابع را می گیرد
فایل صوتی و به سادگی آن را برعکس می کند.
ما برای ورودی از مولفه `Audio` استفاده خواهیم کرد. هنگام استفاده از کامپوننت `Audio`،
می‌توانید مشخص کنید که آیا می‌خواهید `source` صوتی فایلی باشد که کاربر در اختیار دارد یا خیر
آپلود یا میکروفونی که کاربر صدای خود را با آن ضبط می کند. در این مورد، اجازه دهید
آن را روی یک `"microphone"` تنظیم کنید. فقط برای سرگرمی، ما یک برچسب به `Audio` خود اضافه می کنیم که می گوید
"Speak here...".
علاوه بر این، ما می‌خواهیم صدا را به‌صورت یک آرایه کم‌رنگ دریافت کنیم تا بتوانیم به راحتی
آن را "معکوس" کنید. بنابراین `"type"` را روی `"numpy"` تنظیم می کنیم که ورودی را ارسال می کند
داده‌ها را به صورت یک چندتایی از (`sample_rate`، `data`) وارد تابع خود می‌کنیم.
ما همچنین از مولفه خروجی `Audio` استفاده خواهیم کرد که می تواند به طور خودکار
یک تاپل با نرخ نمونه و آرایه‌ای از داده‌ها به عنوان فایل صوتی قابل پخش ارائه کنید.
در این صورت نیازی به سفارشی سازی نداریم، بنابراین از رشته استفاده می کنیم
میانبر `"audio"`.
```py
import numpy as np
import gradio as gr
def reverse_audio(audio):
sr, data = audio
reversed_audio = (sr, np.flipud(data))
return reversed_audio
mic = gr.Audio(source="microphone", type="numpy", label="Speak here...")
gr.Interface(reverse_audio, mic, "audio").launch()
```
کد بالا یک رابط مانند شکل زیر تولید می کند (اگر مرورگر شما این کار را انجام نمی دهد
از شما اجازه دسترسی میکروفون را می‌خواهد، نسخه آزمایشی را در یک برگه جداگانه باز کنید .)
اکنون باید بتوانید صدای خود را ضبط کنید و صدای خود را به صورت معکوس بشنوید - ترسناک 👻!
## مدیریت چندین ورودی و خروجی[[handling-multiple-inputs-and-outputs]]
فرض کنید عملکرد پیچیده تری داشتیم، با ورودی و خروجی های متعدد.
در مثال زیر، تابعی داریم که یک شاخص کشویی، یک مقدار لغزنده و یک عدد می گیرد.
و یک نمونه صوتی از یک تُن موسیقی را برمی‌گرداند.
نگاهی بیندازید که چگونه لیستی از اجزای ورودی و خروجی را ارسال می کنیم،
و ببینید آیا می توانید آنچه را که اتفاق می افتد دنبال کنید.
نکته کلیدی در اینجا این است که وقتی عبور می کنید:
* لیستی از اجزای ورودی، هر جزء به ترتیب مربوط به یک پارامتر است.
* لیستی از مولفه های خروجی، هر جزء مربوط به یک مقدار بازگشتی است.
قطعه کد زیر نشان می دهد که چگونه سه مؤلفه ورودی با سه آرگومان تابع `generate_tone()` مطابقت دارند:
```py
import numpy as np
import gradio as gr
notes = ["C", "C#", "D", "D#", "E", "F", "F#", "G", "G#", "A", "A#", "B"]
def generate_tone(note, octave, duration):
sr = 48000
a4_freq, tones_from_a4 = 440, 12 * (octave - 4) + (note - 9)
frequency = a4_freq * 2 ** (tones_from_a4 / 12)
duration = int(duration)
audio = np.linspace(0, duration, duration * sr)
audio = (20000 * np.sin(audio * (2 * np.pi * frequency))).astype(np.int16)
return (sr, audio)
gr.Interface(
generate_tone,
[
gr.Dropdown(notes, type="index"),
gr.Slider(minimum=4, maximum=6, step=1),
gr.Number(value=1, label="Duration in seconds"),
],
"audio",
).launch()
```
### روش `launch()`[[the-launch-method]]
تا کنون از روش `launch()` برای راه اندازی اینترفیس استفاده کرده ایم، اما ما
واقعاً در مورد اینکه چه کاری انجام می‌دهد بحث نکرده‌ام.
به طور پیش فرض، روش `launch()` نسخه آزمایشی را در یک وب سرور راه اندازی می کند
به صورت محلی اجرا می شود. اگر کد خود را در نوت بوک Jupyter یا Colab اجرا می کنید، پس
Gradio رابط کاربری گرافیکی دمو را در نوت بوک جاسازی می کند تا بتوانید به راحتی از آن استفاده کنید.
شما می توانید رفتار `launch()` را از طریق پارامترهای مختلف سفارشی کنید:
- `inline` - آیا باید رابط را به صورت درون خطی در نوت بوک های پایتون نمایش داد.
- `inbrowser` - آیا به طور خودکار رابط را در یک برگه جدید در مرورگر پیش فرض راه اندازی کنید.
- `share` - آیا باید یک پیوند قابل اشتراک گذاری عمومی از رایانه خود برای رابط ایجاد کنید. شبیه لینک گوگل درایو!
در بخش بعدی پارامتر `share` را با جزئیات بیشتری پوشش خواهیم داد!
## ✏️ بیایید آن را اعمال کنیم![[lets-apply-it]]
بیایید یک رابط بسازیم که به شما امکان می دهد یک مدل **تشخیص گفتار** را نمایش دهید.
برای جالب کردن آن، *یا* ورودی میکروفون یا فایل آپلود شده را می پذیریم.
طبق معمول، مدل تشخیص گفتار خود را با استفاده از تابع `pipeline()` از 🤗 ترنسفورمرs بارگذاری خواهیم کرد.
اگر نیاز به تجدید سریع دارید، می توانید به [آن بخش در فصل 1] (/course/chapter1/3) برگردید. در مرحله بعد، یک تابع `transcribe_audio()` را پیاده سازی می کنیم که صدا را پردازش کرده و رونویسی را برمی گرداند. در نهایت، ما این تابع را در یک `Interface` با اجزای `Audio` برای ورودی ها و فقط متن برای خروجی قرار می دهیم. در مجموع کد این اپلیکیشن به صورت زیر است:
```py
from transformers import pipeline
import gradio as gr
model = pipeline("automatic-speech-recognition")
def transcribe_audio(audio):
transcription = model(audio)["text"]
return transcription
gr.Interface(
fn=transcribe_audio,
inputs=gr.Audio(type="filepath"),
outputs="text",
).launch()
```
اگر مرورگر شما مجوز میکروفون را از شما درخواست نمی‌کند، دمو را در یک برگه جداگانه باز کنید.
همین! اکنون می توانید از این رابط برای رونویسی صدا استفاده کنید. در اینجا توجه کنید که
با ارسال پارامتر `optional` به صورت `True`، به کاربر اجازه می‌دهیم که یا
یک میکروفون یا یک فایل صوتی ارائه دهید (یا هیچ‌کدام، اما در این صورت یک پیام خطا برمی‌گرداند).
در ادامه خواهید دید که چگونه رابط کاربری خود را با دیگران به اشتراک بگذارید!

Xet Storage Details

Size:
10.5 kB
·
Xet hash:
feb078975d5e6f94bbab2be620a18897f770645119d260f81309ea1f4d64dc7c

Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.