import gradio as gr
from transformers import pipeline, AutoTokenizer, AutoModelForSequenceClassification

# Carregar o tokenizer e o modelo pré-treinado RoBERTa para análise de sentimentos
model_name = "cardiffnlp/twitter-roberta-base-sentiment"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)

# Criar um pipeline de análise de sentimentos
sentiment_classifier = pipeline("sentiment-analysis", model=model, tokenizer=tokenizer)

# Mapeamento de rótulos
label_mapping = {
    "LABEL_0": "negativo",
    "LABEL_1": "neutro",
    "LABEL_2": "positivo"
}

# Definir a função para a interface do Gradio
def analyze_sentiment(text):
    result = sentiment_classifier(text)
    formatted_result = {}
    for item in result:
        label = label_mapping.get(item['label'], item['label'])
        score = f"{item['score']:.3f}".replace(".", ",")
        formatted_result[label] = score
    return formatted_result

# Criar a interface do Gradio
iface = gr.Interface(
    fn=analyze_sentiment, 
    inputs="text", 
    outputs="json",
    title="Análise de Sentimento com RoBERTa",
    description="Digite um texto para analisar seu sentimento."
)

# Lançar a interface do Gradio
iface.launch()