import gradio as gr
from transformers import pipeline
from langdetect import detect

# Model de rezumare valid și public
summarizer = pipeline("summarization", model="csebuetnlp/mT5_multilingual_XLSum")

# Model de traducere valid pentru română → engleză
translator = pipeline("translation", model="Helsinki-NLP/opus-mt-ROMANCE-en")

def rezuma_text(text, lungime):
    lang = detect(text)
    if lang != "ro":
        return f"⚠️ Textul detectat este în limba '{lang}', dar aplicația funcționează doar cu texte în limba română."

    summary = summarizer(
        text,
        max_length=lungime,
        min_length=int(lungime * 0.4),
        do_sample=True,
        temperature=0.7
    )[0]['summary_text']

    translated = translator(summary)[0]['translation_text']

    return f"🔹 Rezumat în română:\n{summary}\n\n🔸 Traducere în engleză:\n{translated}"

gr.Interface(
    fn=rezuma_text,
    inputs=[
        gr.Textbox(label="Text de rezumat"),
        gr.Slider(50, 300, value=150, label="Lungime maximă")
    ],
    outputs="text",
    title="SmartRezumat",
    description="AI care transformă texte lungi în rezumate scurte, în limba română",
    css="""
        body { background-color: #f5f5f5; }
        .gradio-container { font-family: 'Segoe UI'; }
        h1, h2 { color: #2c3e50; }
        .input-textbox textarea { background-color: #ffffff; border-radius: 8px; }
    """
).launch()