Tradução de Texto com Interface Gráfica

Este projeto é uma aplicação que permite traduzir textos entre diferentes idiomas utilizando uma interface gráfica desenvolvida em Python com a biblioteca tkinter. Ele também utiliza um modelo de sequência para sequência (seq2seq) para realizar a tradução do texto fornecido.

Funcionalidades

• Interface Gráfica (GUI): Permite ao usuário inserir o texto de entrada, selecionar o idioma e visualizar o texto traduzido.
• Modelo Seq2Seq: Utiliza um modelo de redes neurais para realizar a tradução automática de texto.
• Treinamento e Decodificação: Inclui funções para treinar o modelo e decodificar as sequências traduzidas.

Requisitos

• Python 3.8+
• Bibliotecas necessárias:
  • tkinter (interface gráfica)
  • numpy (operações matemáticas e vetoriais)
  • tensorflow (treinamento e execução do modelo)

Instalação

1. Clone o repositório:

   git clone https://github.com/seu-usuario/seu-repositorio.git
   cd seu-repositorio

2. Instale as dependências: Certifique-se de que você tem o Python e o pip instalados. Em seguida, execute:

   pip install -r requirements.txt

   Caso o arquivo requirements.txt não esteja presente, instale manualmente as dependências:

   pip install numpy tensorflow

3. Execute a aplicação:

   python app.py

Uso

1. Abra a aplicação: Execute o arquivo app.py para abrir a interface.
2. Insira o texto: No campo de entrada, digite o texto que deseja traduzir.
3. Selecione o idioma: Escolha o idioma de destino para a tradução.
4. Veja o resultado: Clique no botão para traduzir e visualize o texto traduzido no campo de saída.

Exemplo de Uso do Modelo Seq2Seq

Função de Decodificação

A função decode_sentence é responsável por processar a sequência de texto traduzido:

def decode_sentence(input_seq):
    # Gera a sequência traduzida com base no modelo seq2seq
    states_value = encoder_model.predict(input_seq)

    target_seq = np.zeros((1, 1, num_decoder_tokens))
    target_seq[0, 0, target_token_index['\t']] = 1.0

    stop_condition = False
    decoded_sentence = ''

    while not stop_condition:
        output_tokens, h, c = decoder_model.predict(
            [target_seq] + states_value)

        sampled_token_index = np.argmax(output_tokens[0, -1, :])
        sampled_char = reverse_target_char_index[sampled_token_index]
        decoded_sentence += sampled_char

        if (sampled_char == '\n' or
                len(decoded_sentence) > max_decoder_seq_length):
            stop_condition = True

        target_seq = np.zeros((1, 1, num_decoder_tokens))
        target_seq[0, 0, sampled_token_index] = 1.0

        states_value = [h, c]

    return decoded_sentence

Essa função pode ser personalizada para atender às necessidades específicas do projeto.

Contribuição

Contribuições são bem-vindas! Siga os passos abaixo:

1. Faça um fork do repositório.
2. Crie um branch para sua feature/bugfix:

   git checkout -b minha-feature

3. Faça commit das suas alterações:

   git commit -m "Minha nova feature"

4. Envie para o branch principal:

   git push origin minha-feature

5. Abra um Pull Request.

Licença

Este projeto está licenciado sob a licença MIT. Consulte o arquivo LICENSE para mais informações.

Autor

Desenvolvido por iamrosada0.