Update app.py

app.py

@@ -1,28 +1,25 @@
-from fastapi import FastAPI, HTTPException
-from pydantic import BaseModel
-from typing import List
+import gradio as gr
+from transformers import pipeline
 
-class InputData(BaseModel):
-    data: List[float]  # Lista de características numéricas (flotantes)
+# Cargar el modelo de Hugging Face para análisis de emociones
+classifier = pipeline("text-classification", model="j-hartmann/emotion-english-distilroberta-large")
 
-app = FastAPI()
+# Función para predecir la emoción
+def detect_emotion(text):
+    result = classifier(text)
+    emotion = result[0]['label']
+    return emotion
 
-def sumar(a,b):
-    return a+b
+# Crear la interfaz con Gradio
+interface = gr.Interface(
+    fn=detect_emotion, 
+    inputs="text", 
+    outputs="text",
+    live=True,
+    title="Detector de Emociones",
+    description="Introduce un texto para detectar la emoción que expresa."
+)
+
+# Lanzar la interfaz
+interface.launch()
 
-# Ruta de predicción
-@app.post("/predict/")
-async def predict(data: InputData):
-    print(f"Data: {data}")
-    try:
-        # Convertir la lista de entrada a un array de NumPy para la predicción
-        input_data = data.data
-        print(input_data)
-        a = input_data[0]
-        b = input_data[1]
-        c = sumar(a,b)
-        prediction = c
-        #return {"prediction": prediction.tolist()}
-        return {"prediction": prediction}
-    except Exception as e:
-        raise HTTPException(status_code=500, detail=str(e))