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()