📝 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
📚 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
1git clone <votre-repo>
2cd <votre-repo>
2. Installer les dépendances
pip install -r requirements.txt3. Dépendances système (optionnelles, pour .doc ancien)
1# Ubuntu/Debian
2sudo apt-get install antiword
3
4# macOS
5brew install antiword
💻 Utilisation locale
Puis ouvrez votre navigateur à l'adresse affichée (généralement http://localhost:7860)
☁️ Déploiement sur Hugging Face Spaces
1. Créer un nouveau Space
- Allez sur huggingface.co/spaces
- Cliquez sur "Create new Space"
- Choisissez "Gradio" comme SDK
- 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 :
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
Utilise une cascade de bibliothèques :
- Format spécifique : PyPDF2, python-docx, etc.
- Fallback 1 : Bibliothèques alternatives (pdfplumber, etc.)
- Fallback 2 : textract universel
- 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
- Détection langue (langdetect)
- Traduction vers anglais (deep-translator)
- Résumé en anglais (BART)
- 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 :
- Installez antiword (système)
- Ou installez textract :
pip install textract
- 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 !
