Buckets:
| # 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.