RMatar/arabic-pdf-ocr

1import io2import traceback3import numpy as np4import imageio.v3 as iio5from fastapi import FastAPI, File, UploadFile6from fastapi.responses import JSONResponse7from PIL import Image8import torch9from transformers import AutoProcessor, Qwen2VLForConditionalGeneration10from qwen_vl_utils import process_vision_info11 12app = FastAPI()13 14MODEL_ID = "AbdoTarek/Baseer-OCR-V1.0"15 16print("جاري تحميل نموذج بصير العربي في الذاكرة... برجاء الانتظار")17processor = AutoProcessor.from_pretrained(MODEL_ID, trust_remote_code=True)18model = Qwen2VLForConditionalGeneration.from_pretrained(19    MODEL_ID, 20    torch_dtype=torch.float32, 21    low_cpu_mem_usage=True,22    trust_remote_code=True23)24print("تم تحميل النموذج بنجاح وهو جاهز للعمل مجاناً للأبد!")25 26@app.get("/")27def home():28    return {"status": "السيرفر المجاني اللامحدود يعمل بكفاءة وأمان!"}29 30@app.post("/extract")31async def extract_text(file: UploadFile = File(...)):32    try:33        image_bytes = await file.read()34        print(f"تم استقبال ملف باسم: {file.filename} بحجم: {len(image_bytes)} بايت")35        36        if len(image_bytes) == 0:37            return JSONResponse(content={"success": False, "error": "الملف فارغ"}, status_code=400)38 39        # تحويل البايتات إلى صورة40        try:41            img_array = iio.imread(io.BytesIO(image_bytes))42            image = Image.fromarray(img_array).convert("RGB")43        except:44            image = Image.open(io.BytesIO(image_bytes)).convert("RGB")45        46        # ⚠️ التصحيح هنا: هذه الأسطر يجب أن تكون خارج الـ except47        messages = [48            {49                "role": "user",50                "content": [51                    {"type": "image", "image": image},52                    {"type": "text", "text": "Extract ALL visible text from the document image."},53                ],54            }55        ]56        57        text = processor.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)58        image_inputs, video_inputs = process_vision_info(messages)59        60        inputs = processor(61            text=[text],62            images=image_inputs,63            videos=video_inputs,64            padding=True,65            return_tensors="pt",66        )67        68        # استخدام توليد سريع لتقليل وقت الانتظار69        with torch.no_grad():70            generated_ids = model.generate(71                **inputs, 72                max_new_tokens=200, 73                do_sample=False,74                num_beams=175            )76            77        generated_ids_trimmed = [out_ids[len(in_ids):] for in_ids, out_ids in zip(inputs.input_ids, generated_ids)]78        output_text = processor.batch_decode(generated_ids_trimmed, skip_special_tokens=True, clean_up_tokenization_spaces=False)[0]79        80        return JSONResponse(content={"success": True, "text": output_text})81        82    except Exception as e:83        traceback.print_exc()84        return JSONResponse(content={"success": False, "error": str(e)}, status_code=500)