import numpy as np
import tensorflow as tf
from keras.models import Sequential
from keras.layers import Embedding, LSTM, Dense
from flask import Flask, request, jsonify, render_template

# Загрузка и предобработка данных
with open('your_text_file.txt', 'r', encoding='utf-8') as file:
    text = file.read()

# Создание словаря символов
chars = sorted(list(set(text)))
char_to_idx = {char: idx for idx, char in enumerate(chars)}
idx_to_char = {idx: char for idx, char in enumerate(chars)}

# Подготовка данных для обучения
seq_length = 100
step = 3
sequences = []
next_chars = []

for i in range(0, len(text) - seq_length, step):
    seq = text[i:i+seq_length]
    target = text[i+seq_length]
    sequences.append(seq)
    next_chars.append(target)

# Преобразование данных в числовой формат
X = np.zeros((len(sequences), seq_length, len(chars)), dtype=bool)
y = np.zeros((len(sequences), len(chars)), dtype=bool)

for i, seq in enumerate(sequences):
    for t, char in enumerate(seq):
        X[i, t, char_to_idx[char]] = 1
    y[i, char_to_idx[next_chars[i]]] = 1

# Построение более сложной модели
model = Sequential([
    LSTM(256, input_shape=(seq_length, len(chars)), return_sequences=True),
    LSTM(256),
    Dense(len(chars), activation='softmax')
])

model.compile(optimizer='adam', loss='categorical_crossentropy')

# Увеличение количества эпох обучения
model.fit(X, y, epochs=100, batch_size=128)

# Функция для генерации текста с параметром температуры
def generate_text(seed_text, model, length=100, temperature=1.0):
    generated_text = seed_text
    for _ in range(length):
        x = np.zeros((1, seq_length, len(chars)))
        for t, char in enumerate(seed_text):
            x[0, t, char_to_idx[char]] = 1
        preds = model.predict(x, verbose=0)[0]
        preds = np.log(preds) / temperature
        exp_preds = np.exp(preds)
        preds = exp_preds / np.sum(exp_preds)
        next_index = np.random.choice(len(chars), p=preds)
        next_char = idx_to_char[next_index]
        generated_text += next_char
        seed_text = seed_text[1:] + next_char
    return generated_text

# Создание Flask-приложения
app = Flask(__name__)

# Эндпоинт для генерации текста
@app.route('/')
def index():
    return render_template('index.html')

# Эндпоинт для генерации текста
@app.route('/generate_text', methods=['POST'])
def generate_text_endpoint():
    data = request.get_json()
    seed_text = data.get('seed_text', '')
    generated_text = generate_text(seed_text, model)
    return jsonify({'generated_text': generated_text})

# Запуск Flask-сервера
if __name__ == '__main__':
    app.run(port=5000)