Multilingual_Text_Summarization_System-BART_v1.0.9

📝 Résumé de Texte Multilingue BART - Version Universelle

🎯 Nouveautés de cette version

✨ Support de TOUS les formats de fichiers !

Cette version améliore l'application originale en acceptant n'importe quel format de document :

📄 Documents texte

• PDF (avec PyPDF2 et pdfplumber comme fallback)
• DOC (ancien Microsoft Word)
• DOCX (Microsoft Word moderne)
• RTF (Rich Text Format)
• ODT (OpenDocument Text)
• TXT (texte brut)
• MD (Markdown)

📊 Tableurs

• XLSX (Excel moderne)
• XLS (Excel ancien)
• CSV (valeurs séparées par virgules)

🎨 Présentations

• PPTX (PowerPoint)

📚 eBooks et Web

• EPUB (eBooks)
• HTML/HTM (pages web)

➕ Fallback universel

Pour tout autre format, l'application utilise textract comme solution de secours.

---

🚀 Installation

1. Cloner ou télécharger les fichiers

git clone <votre-repo>
cd <votre-repo>

2. Installer les dépendances

pip install -r requirements.txt

3. Dépendances système (optionnelles, pour .doc ancien)

# Ubuntu/Debian
sudo apt-get install antiword

# macOS
brew install antiword

---

💻 Utilisation locale

python app.py

Puis ouvrez votre navigateur à l'adresse affichée (généralement http://localhost:7860)

---

☁️ Déploiement sur Hugging Face Spaces

1. Créer un nouveau Space

1. Allez sur huggingface.co/spaces
2. Cliquez sur "Create new Space"
3. Choisissez "Gradio" comme SDK
4. Nommez votre Space

2. Uploader les fichiers

Uploadez ces fichiers dans votre Space :

• app.py (code principal)
• requirements.txt (dépendances)
• README.md (documentation)

3. Configuration (optionnelle)

Créez un fichier packages.txt si vous voulez le support .doc :

antiword

4. Le Space se construira automatiquement !

---

📋 Fonctionnalités

🌍 Multilingue

• Entrée : 100+ langues détectées automatiquement
• Sortie : 15 langues disponibles (Français, English, Español, Deutsch, Italiano, Português, Русский, 中文, 日本語, 한국어, العربية, हिन्दी, Nederlands, Polski, Türkçe)

📏 Longueurs personnalisables

• Court : ≈80 mots
• Moyen : ≈150 mots
• Long : ≈250 mots

📊 Statistiques

Affiche automatiquement :

• Nombre de mots original
• Nombre de mots du résumé
• Taux de compression
• Langue détectée

---

🔧 Architecture technique

Extraction de texte multi-format

read_file(file) -> text

Utilise une cascade de bibliothèques :

1. Format spécifique : PyPDF2, python-docx, etc.
2. Fallback 1 : Bibliothèques alternatives (pdfplumber, etc.)
3. Fallback 2 : textract universel
4. Fallback 3 : Lecture texte brut

Modèle de résumé

• Base : BART Large CNN
• Fine-tuned : karimhoucem/Multilingual_Text_Summarization_System-BART_v1.0.9
• Optimisations : GPU/CPU automatique

Pipeline de traduction

1. Détection langue (langdetect)
2. Traduction vers anglais (deep-translator)
3. Résumé en anglais (BART)
4. Traduction vers langue cible (deep-translator)

---

🐛 Dépannage

Erreur : "❌ [bibliothèque] non installé"

Solution : Installez la bibliothèque manquante :

pip install [bibliothèque]

Erreur avec fichiers .doc anciens

Solution :

1. Installez antiword (système)
2. Ou installez textract : pip install textract
3. Ou convertissez en .docx

Erreur mémoire avec gros fichiers

Solution : L'application tronque automatiquement à 1024 tokens. Pour de très gros documents, découpez-les en sections.

---

📦 Dépendances détaillées

Obligatoires

• gradio (interface)
• transformers (modèle BART)
• torch (backend ML)
• deep-translator (traduction)
• langdetect (détection langue)

Optionnelles (par format)

• PyPDF2, pdfplumber → PDF
• python-docx → DOCX
• striprtf → RTF
• odfpy → ODT
• ebooklib, beautifulsoup4 → EPUB, HTML
• openpyxl → Excel
• python-pptx → PowerPoint
• textract → Fallback universel

---

📄 Licence

Même licence que le projet original.

---

🙏 Crédits

• Modèle original : karimhoucem/Multilingual_Text_Summarization_System-BART_v1.0.9
• Amélioration : Support multi-format universel
• Basé sur : BART (Facebook AI), Transformers (Hugging Face)

---

🔄 Changelog

Version 2.0 (Universal Format Support)

• ✅ Support de TOUS les formats de documents
• ✅ Extraction PDF améliorée (PyPDF2 + pdfplumber)
• ✅ Support .doc ancien (antiword + textract)
• ✅ Support tableurs (Excel, CSV)
• ✅ Support présentations (PowerPoint)
• ✅ Support eBooks (EPUB)
• ✅ Fallback universel avec textract
• ✅ Messages d'erreur détaillés
• ✅ Suppression de la restriction file_types

Version 1.0 (Original)

• ✅ Support basique : TXT, MD, PDF, DOCX
• ✅ Résumé multilingue
• ✅ Interface Gradio

---

📧 Contact

Pour toute question ou amélioration, ouvrez une issue sur le repo !