Create app.py

app.py

@@ -0,0 +1,331 @@
+import gradio as gr
+import re
+from typing import Dict, List
+
+class PersianVowelizer:
+    """
+    A rule-based Persian vowel mark (diacritic) system.
+    This is a simplified version - for production use, consider using
+    pre-trained models like BERT-based Persian vocalization models.
+    """
+    
+    def __init__(self):
+        # Persian vowel marks (diacritics)
+        self.vowel_marks = {
+            'fatha': '\u064E',      # َ (a)
+            'kasra': '\u0650',      # ِ (e/i)
+            'damma': '\u064F',      # ُ (o/u)
+            'sukun': '\u0652',      # ْ (silence)
+            'shadda': '\u0651',     # ّ (doubling)
+            'tanwin_fath': '\u064B', # ً
+            'tanwin_kasr': '\u064D', # ٍ
+            'tanwin_damm': '\u064C', # ٌ
+        }
+        
+        # Common Persian words with their vocalized forms
+        self.common_words = {
+            'سلام': 'سَلام',
+            'خوب': 'خوب',
+            'بد': 'بَد',
+            'خانه': 'خانِه',
+            'مدرسه': 'مَدرِسِه',
+            'کتاب': 'کِتاب',
+            'آب': 'آب',
+            'نان': 'نان',
+            'دوست': 'دوست',
+            'عشق': 'عِشق',
+            'زندگی': 'زِندِگی',
+            'کار': 'کار',
+            'خواهر': 'خواهَر',
+            'برادر': 'بَرادَر',
+            'مادر': 'مادَر',
+            'پدر': 'پِدَر',
+            'فرد': 'فَرد',
+            'شب': 'شَب',
+            'روز': 'روز',
+            'صبح': 'صُبح',
+            'عصر': 'عَصر',
+            'شام': 'شام',
+            'درس': 'دَرس',
+            'استاد': 'اُستاد',
+            'دانشجو': 'دانِشجو',
+            'دانشگاه': 'دانِشگاه',
+            'شهر': 'شَهر',
+            'روستا': 'روستا',
+            'کشور': 'کِشوَر',
+            'ایران': 'ایران',
+            'فارسی': 'فارسی',
+            'زبان': 'زَبان',
+            'کلام': 'کَلام',
+            'سخن': 'سُخن',
+            'گفتن': 'گُفتَن',
+            'رفتن': 'رَفتَن',
+            'آمدن': 'آمَدَن',
+            'خوردن': 'خوردَن',
+            'نوشتن': 'نِویسیدَن',
+            'خواندن': 'خواندَن',
+            'دیدن': 'دیدَن',
+            'شنیدن': 'شِنیدَن',
+            'فهمیدن': 'فَهمیدَن',
+            'دانستن': 'دانِستَن',
+            'بودن': 'بودَن',
+            'کردن': 'کَردَن',
+            'داشتن': 'داشتَن',
+            'گذاشتن': 'گُذاشتَن',
+            'نشستن': 'نِشَستَن',
+            'ایستادن': 'ایستادَن',
+            'خوابیدن': 'خوابیدَن',
+            'بیدار': 'بیدار',
+            'خسته': 'خَستِه',
+            'شاد': 'شاد',
+            'غمگین': 'غَمگین',
+            'خوشحال': 'خوشحال',
+            'عاشق': 'عاشِق',
+            'دوستدار': 'دوستدار',
+            'محبت': 'مُحِبَّت',
+            'عشق': 'عِشق',
+            'نفرت': 'نَفرَت',
+            'ترس': 'تَرس',
+            'امید': 'اُمید',
+            'آرزو': 'آرِزو',
+            'خواب': 'خواب',
+            'رویا': 'رؤیا'
+        }
+        
+        # Pattern-based rules for common Persian structures
+        self.patterns = [
+            # Past tense patterns
+            (r'(\w+)ید', r'\1ید'),  # -id ending
+            (r'(\w+)د', r'\1َد'),    # -ad ending for past tense
+            
+            # Present tense patterns  
+            (r'می(\w+)', r'می\1'),   # mi- prefix
+            (r'(\w+)م', r'\1َم'),     # -am ending
+            (r'(\w+)ی', r'\1ی'),     # -i ending
+            (r'(\w+)د', r'\1َد'),     # -ad ending
+            (r'(\w+)یم', r'\1یم'),    # -im ending
+            (r'(\w+)ید', r'\1ید'),   # -id ending
+            (r'(\w+)ند', r'\1َند'),    # -and ending
+        ]
+    
+    def add_vowel_marks(self, text: str) -> str:
+        """
+        Add vowel marks to Persian text using dictionary lookup and pattern matching.
+        """
+        if not text.strip():
+            return text
+            
+        # Split text into words while preserving spaces and punctuation
+        words = re.findall(r'\S+|\s+', text)
+        vocalized_words = []
+        
+        for word in words:
+            if word.isspace() or not re.search(r'[\u0600-\u06FF]', word):
+                # Skip whitespace and non-Persian characters
+                vocalized_words.append(word)
+                continue
+                
+            # Clean word for lookup (remove punctuation)
+            clean_word = re.sub(r'[^\u0600-\u06FF]', '', word)
+            
+            # Try dictionary lookup first
+            if clean_word in self.common_words:
+                # Replace the Persian part with vocalized version
+                vocalized_word = word.replace(clean_word, self.common_words[clean_word])
+                vocalized_words.append(vocalized_word)
+            else:
+                # Apply pattern-based rules
+                vocalized_word = word
+                for pattern, replacement in self.patterns:
+                    vocalized_word = re.sub(pattern, replacement, vocalized_word)
+                
+                # Add basic vowel marks based on common patterns
+                vocalized_word = self._apply_basic_rules(vocalized_word)
+                vocalized_words.append(vocalized_word)
+        
+        return ''.join(vocalized_words)
+    
+    def _apply_basic_rules(self, word: str) -> str:
+        """
+        Apply basic vowel marking rules to Persian words.
+        """
+        # This is a simplified approach - real vocalization needs more sophisticated rules
+        result = word
+        
+        # Add fatha to common consonant patterns
+        result = re.sub(r'([بپتثجچحخدذرزژسشصضطظعغفقکگلمنوهی])([بپتثجچحخدذرزژسشصضطظعغفقکگلمنوهی])', 
+                       r'\1َ\2', result)
+        
+        return result
+
+def vocalize_persian_text(text: str) -> str:
+    """
+    Main function to add vowel marks to Persian text.
+    """
+    if not text.strip():
+        return "لطفاً متنی وارد کنید."
+    
+    vowelizer = PersianVowelizer()
+    vocalized_text = vowelizer.add_vowel_marks(text)
+    return vocalized_text
+
+# Custom CSS for RTL support and Persian fonts
+custom_css = """
+.rtl-text {
+    direction: rtl !important;
+    text-align: right !important;
+    font-family: 'Vazir', 'Tahoma', 'Arial Unicode MS', sans-serif !important;
+    font-size: 16px !important;
+    line-height: 1.6 !important;
+}
+
+.rtl-text textarea {
+    direction: rtl !important;
+    text-align: right !important;
+    font-family: 'Vazir', 'Tahoma', 'Arial Unicode MS', sans-serif !important;
+    font-size: 16px !important;
+}
+
+.rtl-text .output-text {
+    direction: rtl !important;
+    text-align: right !important;
+    font-family: 'Vazir', 'Tahoma', 'Arial Unicode MS', sans-serif !important;
+    font-size: 18px !important;
+    background-color: #f8f9fa !important;
+    padding: 15px !important;
+    border-radius: 8px !important;
+    border: 1px solid #dee2e6 !important;
+    min-height: 100px !important;
+}
+
+/* Import Persian fonts */
+@import url('https://cdn.jsdelivr.net/gh/rastikerdar/vazir-font@v30.1.0/dist/font-face.css');
+
+.gradio-container {
+    max-width: 900px !important;
+    margin: auto !important;
+}
+
+.title-text {
+    text-align: center !important;
+    color: #2c3e50 !important;
+    margin-bottom: 20px !important;
+}
+
+.description-text {
+    text-align: center !important;
+    color: #7f8c8d !important;
+    margin-bottom: 30px !important;
+}
+"""
+
+# Sample Persian texts for examples
+sample_texts = [
+    "سلام دوست عزیز چطوری؟",
+    "من دانشجوی دانشگاه تهران هستم",
+    "فردا به کتابخانه خواهم رفت",
+    "مادرم برای من غذای خوشمزه درست کرد",
+    "زبان فارسی زیبا و شیرین است"
+]
+
+# Create Gradio interface
+with gr.Blocks(css=custom_css, title="Persian Vowel Marks Generator") as demo:
+    gr.HTML("""
+    <div class="title-text">
+        <h1>🎯 افزودن اعراب به متن فارسی</h1>
+    </div>
+    <div class="description-text">
+        <p>این ابزار به شما کمک می‌کند تا اعراب (حرکات) را به متن فارسی اضافه کنید</p>
+        <p>Add vowel marks (diacritics) to Persian text</p>
+    </div>
+    """)
+    
+    with gr.Row():
+        with gr.Column(scale=1):
+            input_text = gr.Textbox(
+                label="📝 متن فارسی (Persian Text Input)",
+                placeholder="متن فارسی خود را اینجا وارد کنید...",
+                lines=5,
+                rtl=True,
+                elem_classes=["rtl-text"]
+            )
+            
+            with gr.Row():
+                submit_btn = gr.Button("🎯 افزودن اعراب", variant="primary", size="lg")
+                clear_btn = gr.Button("🗑️ پاک کردن", variant="secondary")
+        
+        with gr.Column(scale=1):
+            output_text = gr.Textbox(
+                label="✨ متن با اعراب (Text with Vowel Marks)",
+                lines=5,
+                rtl=True,
+                elem_classes=["rtl-text"],
+                interactive=False
+            )
+    
+    # Examples section
+    gr.HTML("<h3 style='text-align: center; margin-top: 30px;'>🔸 نمونه متن‌ها (Sample Texts)</h3>")
+    
+    examples = gr.Examples(
+        examples=sample_texts,
+        inputs=input_text,
+        outputs=output_text,
+        fn=vocalize_persian_text,
+        cache_examples=False,
+        label="نمونه‌های آماده"
+    )
+    
+    # Information section
+    with gr.Accordion("📚 راهنما و اطلاعات (Guide & Information)", open=False):
+        gr.HTML("""
+        <div style="direction: rtl; text-align: right; font-family: Vazir, Tahoma;">
+            <h4>🔹 نحوه استفاده:</h4>
+            <ul>
+                <li>متن فارسی خود را در کادر بالا وارد کنید</li>
+                <li>روی دکمه "افزودن اعراب" کلیک کنید</li>
+                <li>نتیجه در کادر سمت راست نمایش داده می‌شود</li>
+            </ul>
+            
+            <h4>🔹 ویژگی‌ها:</h4>
+            <ul>
+                <li>پشتیبانی از متن راست به چپ</li>
+                <li>استفاده از فونت فارسی مناسب</li>
+                <li>افزودن اعراب بر اساس کلمات رایج</li>
+                <li>پشتیبانی از الگوهای گرامری فارسی</li>
+            </ul>
+            
+            <h4>🔹 نکات مهم:</h4>
+            <ul>
+                <li>این سیستم بر اساس قوانین و واژگان رایج کار می‌کند</li>
+                <li>برای دقت بیشتر، از مدل‌های یادگیری ماشین پیشرفته استفاده کنید</li>
+                <li>اعراب اضافه شده ممکن است نیاز به ویرایش دستی داشته باشد</li>
+            </ul>
+        </div>
+        """)
+    
+    # Event handlers
+    submit_btn.click(
+        fn=vocalize_persian_text,
+        inputs=input_text,
+        outputs=output_text
+    )
+    
+    clear_btn.click(
+        fn=lambda: ("", ""),
+        outputs=[input_text, output_text]
+    )
+    
+    input_text.submit(
+        fn=vocalize_persian_text,
+        inputs=input_text,
+        outputs=output_text
+    )
+
+# Launch configuration
+if __name__ == "__main__":
+    demo.launch(
+        server_name="0.0.0.0",
+        server_port=7860,
+        share=True,
+        debug=True
+    )