edit

app.py

@@ -72,12 +72,19 @@ def run_text_classification(input_text: str) -> str:
     Анализ текста трансформером:
     используем sentiment-классификатор как пример.
     Возвращаем строку вида: "POSITIVE (score=0.982)".
+
+    ВАЖНО: жёстко ограничиваем длину до 512 токенов, чтобы не ловить
+    ошибку DistilBERT по max_position_embeddings.
     """
     cleaned_text: str = input_text.strip()
     if not cleaned_text:
         return ""
 
-    classifier_result_list = text_classifier_pipeline(cleaned_text)
+    classifier_result_list = text_classifier_pipeline(
+        cleaned_text,
+        truncation=True,
+        max_length=512,
+    )
     classifier_result = classifier_result_list[0]
 
     label_value: str = str(classifier_result.get("label", ""))
@@ -86,7 +93,6 @@ def run_text_classification(input_text: str) -> str:
     classification_text: str = f"{label_value} (score={score_value:.3f})"
     return classification_text
 
-
 # ============================
 # 4. Трансформер #2: суммаризация (английский)
 # ============================