import gradio as gr
import requests
from PIL import Image
import numpy as np
import json
import os

# 🔥 Serveur Ollama
OLLAMA_SERVER = "http://localhost:11434/api/generate"

def llama_vision_analysis(image, prompt, json_file):
    if image is None:
        return "❌ Veuillez fournir une image."
    if not prompt:
        return "❌ Veuillez entrer une question."

    # 📌 Vérifier et convertir l'image (Gradio fournit parfois un numpy array)
    if isinstance(image, np.ndarray):
        image = Image.fromarray(image)  # Convertir numpy.ndarray en Image PIL

    # 📂 Sauvegarder l'image
    image_path = "temp_image.jpg"
    image.save(image_path)

    # 📂 Lire le contenu du fichier JSON correctement
    json_data = {}
    if json_file is not None:
        try:
            json_data = json.loads(json_file)  # Corrige l'erreur d'attribut
        except Exception as e:
            return f"⚠️ Erreur de lecture du JSON : {str(e)}"

    # 📡 Construire la requête pour Ollama
    request_data = {
        "model": "llama3.2-vision:90b-instruct-q8_0",
        "prompt": f"{prompt}\n\nAnalyse aussi ces données JSON : {json_data}",
        "images": [image_path]
    }

    # 📨 Envoyer la requête à Ollama
    try:
        response = requests.post(OLLAMA_SERVER, json=request_data)
        response.raise_for_status()
        return response.json().get("response", "⚠️ Réponse vide")
    
    except requests.exceptions.RequestException as e:
        return f"⚠️ Erreur Ollama : {str(e)}"

# 🎨 Interface Gradio
interface = gr.Interface(
    fn=llama_vision_analysis,
    inputs=["image", "text", "text"],  # Utiliser "text" pour JSON
    outputs="text",
    title="Llama-Vision 90B - Analyse Image, Texte & JSON",
    description="Charge une image, un fichier JSON et entre une question pour obtenir une réponse détaillée de Llama-Vision."
)

# 🔥 Lancer Gradio
interface.launch(server_name="0.0.0.0", server_port=7860, share=True)