Update app.py

app.py

@@ -1,23 +1,26 @@
-import os
 import gradio as gr
-from transformers import pipeline, BertTokenizerFast, BertForTokenClassification
+from transformers import pipeline
 
-# Caminho para o modelo treinado
-model_path = './ner_model'
+# Carregar o modelo pré-treinado diretamente do Hugging Face
+ner_model = pipeline(
+    "ner", 
+    model="bert-base-cased",
+    tokenizer="bert-base-cased"
+)
 
-# Carregar o tokenizer e o modelo
-tokenizer = BertTokenizerFast.from_pretrained(model_path, local_files_only=True)
-model = BertForTokenClassification.from_pretrained(model_path, local_files_only=True)
+# Definir a função para a interface do Gradio
+def analyze_ner(text):
+    result = ner_model(text)
+    return result
 
-# Definir o pipeline de NER
-ner = pipeline('ner', model=model, tokenizer=tokenizer)
+# Criar a interface do Gradio
+iface = gr.Interface(
+    fn=analyze_ner, 
+    inputs="text", 
+    outputs="json",
+    title="Reconhecimento de Entidades Nomeadas",
+    description="Digite um texto para identificar entidades nomeadas."
+)
 
-def ner_function(text):
-    ner_results = ner(text)
-    return ner_results
-
-# Interface Gradio
-interface = gr.Interface(fn=ner_function, inputs="text", outputs="json", title="Named Entity Recognition")
-
-# Executar a aplicação
-interface.launch()
+# Lançar a interface do Gradio
+iface.launch()