NT-Grief-Test / app.py
I2C-UHU's picture
Update app.py
86216c6
import gradio as gr
from transformers import AutoModelForSequenceClassification, AutoTokenizer, pipeline
# Definir las funciones que se utilizarán para clasificar el texto en inglés y español
def classify_english_text(text):
# Coloca aquí la lógica para clasificar el texto en inglés
# Puedes usar el clasificador de texto en inglés que tengas cargado
pipe = pipeline("text-classification", model="I2C-UHU/NT-Grief_EN")
return pipe(text)[0]['label'], pipe(text)[0]['score']
def classify_spanish_text(text):
# Coloca aquí la lógica para clasificar el texto en español
# Puedes usar el clasificador de texto en español que tengas cargado
pipe = pipeline("text-classification", model="I2C-UHU/NT-Grief_SP")
return pipe(text)[0]['label'], pipe(text)[0]['score']
# Función para redirigir a la función de clasificación correspondiente según el idioma seleccionado
def classify_text(language, text):
if language == "English":
return classify_english_text(text)
elif language == "Español":
return classify_spanish_text(text)
else:
return "Por favor, seleccione un idioma válido / Please select a valid language.",0
# Definir la interfaz Gradio
iface = gr.Interface(
fn=classify_text, # Como vamos a usar dos funciones diferentes, dejamos este valor como None
inputs=[
gr.Radio(["Español", "English"], label="Elija el idioma / Choose the language"),
gr.Textbox(label="Texto / Text")
],
outputs=["text", "number"] # Salida de texto con el resultado de la clasificación
)
# Ejecutar la interfaz Gradio
iface.launch()