Add Gradio app.py and requirements.txt

app.py

@@ -0,0 +1,60 @@
+# serve-gradio/app.py
+
+import gradio as gr
+import torch
+from transformers import AutoTokenizer, AutoModelForSequenceClassification
+
+# ─── 모델 로드 ───
+MODEL_ID = "CLOUDYUL/cleaner-detector"  # 이미 Hugging Face Hub에 올라가 있는 모델
+device = torch.device("cpu")
+
+tokenizer = AutoTokenizer.from_pretrained(MODEL_ID)
+model = AutoModelForSequenceClassification.from_pretrained(MODEL_ID)
+model.to(device)
+model.eval()
+
+def predict_toxicity(texts):
+    """
+    texts: 단일 문자열 혹은 문자열 리스트
+    반환: [
+      { "text": "입력 문장", "label": 0 or 1, "score": 확률(float) },
+      …
+    ]
+    """
+    if isinstance(texts, str):
+        texts = [texts]
+    results = []
+    for t in texts:
+        # 토큰화
+        encoding = tokenizer(
+            t,
+            truncation=True,
+            padding="max_length",
+            max_length=128,
+            return_attention_mask=True,
+            return_tensors="pt",
+        )
+        input_ids = encoding["input_ids"].to(device)
+        attention_mask = encoding["attention_mask"].to(device)
+
+        # 모델 추론
+        with torch.no_grad():
+            logits = model(input_ids=input_ids, attention_mask=attention_mask).logits[0]
+        # 소프트맥스로 확률 계산
+        probs = torch.softmax(logits, dim=-1).cpu().tolist()
+        label = int(probs.index(max(probs)))  # 0: 정상, 1: 악플
+        score = float(max(probs))
+        results.append({"text": t, "label": label, "score": score})
+    return results
+
+# ─── Gradio 인터페이스 정의 ───
+demo = gr.Interface(
+    fn=predict_toxicity,
+    inputs=gr.Textbox(lines=2, placeholder="여기에 테스트 문장을 입력하세요"),
+    outputs=gr.JSON(label="Predictions"),
+    title="AGaRiCleaner Toxicity Detector",
+    description="문장을 입력하면 악플 여부(label=0 또는 1)와 확률(score)을 반환합니다."
+)
+
+if __name__ == "__main__":
+    demo.launch()