Update app.py

app.py

@@ -1,29 +1,34 @@
 import gradio as gr
-from transformers import T5ForConditionalGeneration, T5Tokenizer
+from transformers import pipeline
 
-# Cargar el modelo y el tokenizador preentrenado
-model_name = "mrm8488/t5-base-finetuned-emotion"
-model = T5ForConditionalGeneration.from_pretrained(model_name)
-tokenizer = T5Tokenizer.from_pretrained(model_name)
+# Cargamos el modelo de clasificación de emociones
+emotion_classifier = pipeline(
+    "text-classification",
+    model="finiteautomata/beto-emotion-analysis",
+    tokenizer="finiteautomata/beto-emotion-analysis",
+    return_all_scores=True
+)
 
-# Función para predecir la emoción de un texto
-def detect_emotion(text):
-    # Preprocesar el texto para el modelo T5
-    input_text = "classify emotion: " + text
-    input_ids = tokenizer.encode(input_text, return_tensors="pt", max_length=512, truncation=True)
+# Diccionario de traducción de emociones en inglés a español
+emociones_traducidas = {
+    'others': 'otras',
+    'joy': 'alegría',
+    'sadness': 'tristeza',
+    'anger': 'ira',
+    'surprise': 'sorpresa',
+    'disgust': 'asco',
+    'fear': 'miedo'
+}
 
-    # Generar la predicción
-    outputs = model.generate(input_ids, max_length=2, num_beams=4, early_stopping=True)
-    emotion = tokenizer.decode(outputs[0], skip_special_tokens=True)
-    return emotion
+def analizar_emocion(texto):
+    # Detectar emociones
+    resultado = emotion_classifier(texto)
+    emocion_principal = max(resultado[0], key=lambda x: x['score'])
+    etiqueta_traducida = emociones_traducidas[emocion_principal['label']]
+    return f"Emoción principal: {etiqueta_traducida} (confianza: {emocion_principal['score']:.2f})"
 
-# Crear la interfaz con Gradio
-interface = gr.Interface(fn=detect_emotion, 
-                         inputs=gr.Textbox(label="Introduce tu texto"),
-                         outputs=gr.Textbox(label="Emoción detectada"),
-                         title="Detector de emociones", 
-                         description="Introduce un texto para detectar la emoción que contiene")
+# Crear la interfaz Gradio
+iface = gr.Interface(fn=analizar_emocion, inputs="text", outputs="text")
 
 # Lanzar la interfaz
-if __name__ == "__main__":
-    interface.launch()
+iface.launch()