File size: 1,116 Bytes
ce8a810
ce10f9a
 
5b4c169
07fca4f
a3ae69c
4ffc5f1
ce10f9a
 
07fca4f
 
d43b4cf
07fca4f
ce10f9a
604d57b
ce10f9a
 
 
ce8a810
ce10f9a
 
 
ce8a810
ce10f9a
ce8a810
 
 
 
 
 
 
 
 
 
 
 
 
ce10f9a
 
a3ae69c
94461c6
a3ae69c
 
 
ce10f9a
a3ae69c
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46

import torch
import os 
import requests
import spaces 
import gradio as gr 

api_token = os.environ.get("TOKEN")


API_URL = "https://api-inference.huggingface.co/models/meta-llama/Meta-Llama-3-8B-Instruct"
headers = {"Authorization": f"Bearer {api_token}"}
@spaces.GPU

def query(payload):
	response = requests.post(API_URL, headers=headers, json=payload)
	return response.json()
	

output = query({
	"inputs": " test ",
})

def analyze_sentiment(text):
    prompt = f"Tu es un analyseur de sentiment. Ton rôle est d'évaluer le sentiment général du texte fourni. Réponds uniquement par 'positif' ou 'négatif'. N'ajoute aucune explication. Voici le texte à analyser : {text}"
    
    output = query({
        "inputs": prompt,
    })
    
    # Assurez-vous de gérer correctement la sortie de l'API
    if isinstance(output, list) and len(output) > 0:
        return output[0].get('generated_text', 'Erreur: Réponse inattendue')
    else:
        return "Erreur: Réponse inattendue de l'API"




demo = gr.Interface(
    fn = analyze_sentiment,
    inputs=["text"],
    outputs=["text"],
)

demo.launch()