Create app.py

Cuando no se entiende muy bien el inglés y se quiere leer algo en este idioma es difícil hacerlo ya que las palabras pueden ser difíciles de traducir a primera vista. Estos modelos ayudan a la traducción y a leer esos textos. He utilizado los siguientes modelos:
Falconsai: este modelo resume un texto de ingles a ingles. Puedes ponerle el máximo de caracteres que quieres que aparezcan y te devuelve una lista de diccionarios con el texto dentro.
Helsinki-NLP/opus-mt-en-es: este modelo resume textos de ingles a español. Para usar este modelo se necesita usar un tokenizador el cual será un paso previo a la traducción del texto. También hay que ponerle al texto antes una etiqueta para que sepa que está traduciendo al español. Una vez se traduzca el texto se decodifica y se enseña.

Una vez conseguido que funcionen los dos modelos se usa gradio para crear una interfaz sencilla en la cual apareceran los textos traducidos, el resumido y el completo.

app.py

@@ -0,0 +1,26 @@
+from transformers import pipeline, MarianMTModel, MarianTokenizer
+import gradio as gr
+
+summarizer = pipeline("summarization", model="Falconsai/text_summarization") # modelo de resumen de texto inglés a inglés
+
+# modelo para la traducción del texto ingles a español
+model_name = "Helsinki-NLP/opus-mt-en-es"
+tokenizer = MarianTokenizer.from_pretrained(model_name)
+model = MarianMTModel.from_pretrained(model_name)
+
+def traducir(texto):
+    text_summarized = summarizer(texto, max_length=1000, min_length=30, do_sample=False)
+    texto_solo = ">>esp<< " + text_summarized[0]["summary_text"]
+    translated_entero = model.generate(**tokenizer(texto, return_tensors="pt", padding=True))
+    texto_entero = [tokenizer.decode(t, skip_special_tokens=True) for t in translated_entero]
+    translated_resumido = model.generate(**tokenizer(texto_solo, return_tensors="pt", padding=True))
+    texto_resumido = [tokenizer.decode(t, skip_special_tokens=True) for t in translated_resumido]
+    return texto_resumido[0], texto_entero[0],
+
+demo = gr.Interface(
+    fn=traducir,
+    inputs=["text"],
+    outputs=["text", "text"],
+)
+
+demo.launch()