Update app.py

app.py

@@ -1,23 +1,29 @@
 import gradio as gr
-from transformers import AutoTokenizer, AutoModelForSeq2SeqLM, pipeline
+from transformers import AutoTokenizer, AutoModelForSeq2SeqLM
 import torch
+import sys
 
 # 1. 모델 및 토크나이저 설정
-# Hugging Face의 무료 CPU 환경에서도 돌아갈 수 있는 가벼운 모델(600M)을 사용합니다.
-# 처음 실행 시 모델을 다운로드하므로 시간이 조금 걸릴 수 있습니다.
+# Hugging Face Spaces의 무료 CPU 환경(16GB RAM)에 맞춰 600M 모델 사용
 model_name = "facebook/nllb-200-distilled-600M"
 
-print("모델을 로드하는 중입니다... 잠시만 기다려주세요.")
+print(f"모델({model_name})을 로드하는 중입니다... 잠시만 기다려주세요.")
+
+# 전역 변수로 선언
+tokenizer = None
+model = None
+
 try:
+    # 토크나이저와 모델 로드
     tokenizer = AutoTokenizer.from_pretrained(model_name)
     model = AutoModelForSeq2SeqLM.from_pretrained(model_name)
-    translator = pipeline("translation", model=model, tokenizer=tokenizer, src_lang="eng_Latn", tgt_lang="kor_Hang", max_length=400)
     print("모델 로드 완료!")
 except Exception as e:
-    print(f"모델 로드 중 오류 발생: {e}")
+    # 모델 로드 실패 시 앱을 강제로 종료하여 Logs 탭에서 정확한 원인을 볼 수 있게 함
+    print(f"❌ 모델 로드 중 치명적인 오류 발생: {e}")
+    sys.exit(1)
 
-# 2. 언어 코드 매핑 (NLLB 모델 전용 코드)
-# NLLB 모델은 일반적인 'en', 'ja' 대신 200개 언어에 대한 고유 코드를 사용합니다.
+# 2. 언어 코드 매핑
 LANG_CODES = {
     "영어 (English)": "eng_Latn",
     "일본어 (Japanese)": "jpn_Jpan",
@@ -28,29 +34,31 @@ TARGET_LANG_CODE = "kor_Hang"  # 한국어
 
 def translate_text(text, source_lang_name):
     """
-    사용자의 입력 텍스트와 선택한 언어를 받아 한국어로 번역합니다.
+    입력 텍스트를 한국어로 번역
     """
     if not text:
         return "번역할 내용을 입력해주세요."
 
-    # 선택된 언어 이름을 NLLB 코드로 변환
-    src_code = LANG_CODES.get(source_lang_name)
-    
-    # 번역 수행
-    # NLLB 모델은 입력 언어 코드를 명시해야 정확도가 높습니다.
-    # pipeline을 사용할 때는 파이프라인 생성 시나 호출 시 src_lang을 지정해야 합니다.
-    # 여기서는 호출할 때 직접 토크나이저 설정을 조정하여 번역합니다.
-    
+    if model is None or tokenizer is None:
+        return "모델이 로드되지 않았습니다. 서버 로그를 확인해주세요."
+
     try:
-        # 입력 텍스트 토큰화 (언어 코드 지정)
+        # 입력 언어 코드 가져오기
+        src_code = LANG_CODES.get(source_lang_name)
+        
+        # 번역 옵션 설정: 입력 언어 지정
         tokenizer.src_lang = src_code
+        
+        # 입력 텍스트 토큰화
         inputs = tokenizer(text, return_tensors="pt")
         
-        # 모델을 통해 번역 생성 (목표 언어: 한국어)
+        # 모델 추론 (한국어로 생성 강제)
         generated_tokens = model.generate(
             **inputs,
             forced_bos_token_id=tokenizer.lang_code_to_id[TARGET_LANG_CODE],
-            max_length=500
+            max_length=500,
+            num_beams=4,      # 번역 품질을 위해 빔 서치 사용 (약간 느려질 수 있음)
+            early_stopping=True
         )
         
         # 결과 디코딩
@@ -58,53 +66,50 @@ def translate_text(text, source_lang_name):
         return result
         
     except Exception as e:
-        return f"번역 중 오류가 발생했습니다: {str(e)}"
+        return f"번역 에러: {str(e)}"
 
-# 3. Gradio 인터페이스 구성
-# 사용자가 보게 될 웹 UI 디자인입니다.
-with gr.Blocks(title="다국어 한국어 번역기") as demo:
+# 3. Gradio 인터페이스
+with gr.Blocks(title="한글로 (Hangullo) - 다국어 번역기") as demo:
     gr.Markdown(
         """
-        # 🌐 다국어 -> 한국어 번역기
-        **영어, 일본어, 중국어**를 입력하면 **한국어**로 번역해 줍니다.
-        (Meta의 NLLB-200 모델 기반)
+        # 🇰🇷 한글로 (Hangullo)
+        **영어, 일본어, 중국어**를 입력하면 자연스러운 **한국어**로 번역해 드립니다.
+        *(Powered by Meta NLLB-200)*
         """
     )
     
     with gr.Row():
         with gr.Column():
-            # 입력 설정
             src_lang = gr.Dropdown(
                 choices=list(LANG_CODES.keys()), 
                 value="영어 (English)", 
-                label="입력 언어 선택"
+                label="입력 언어"
             )
             input_text = gr.Textbox(
                 lines=5, 
-                placeholder="번역할 내용을 여기에 입력하세요...", 
-                label="입력 (Input)"
+                placeholder="번역할 문장을 입력하세요...", 
+                label="입력 (Source)"
             )
-            translate_btn = gr.Button("한국어로 번역하기", variant="primary")
+            translate_btn = gr.Button("한국어로 변환", variant="primary")
             
         with gr.Column():
-            # 출력 설정
             output_text = gr.Textbox(
                 lines=5, 
-                label="한국어 번역 결과 (Result)", 
-                interactive=False
+                label="한국어 결과 (Korean)", 
+                interactive=False,
+                show_copy_button=True # 복사 버튼 추가
             )
     
-    # 예제 입력 제공
+    # 예제 데이터
     gr.Examples(
         examples=[
-            ["Hello, how are you today?", "영어 (English)"],
-            ["こんにちは、元気ですか？", "일본어 (Japanese)"],
-            ["你好，很高兴见到你。", "중국어 (Chinese Simplified)"]
+            ["The quick brown fox jumps over the lazy dog.", "영어 (English)"],
+            ["AIの発展によって、私たちの生活は大きく変化しています。", "일본어 (Japanese)"],
+            ["今天天气真好，我们去公园散步吧。", "중국어 (Chinese Simplified)"]
         ],
         inputs=[input_text, src_lang]
     )
 
-    # 버튼 클릭 이벤트 연결
     translate_btn.click(
         fn=translate_text, 
         inputs=[input_text, src_lang],