Update app.py

app.py

@@ -9,13 +9,21 @@ tokenizer = MarianTokenizer.from_pretrained(model_name)
 model = MarianMTModel.from_pretrained(model_name)
 
 def traducir(texto):
-    text_summarized = summarizer(texto, max_length=1000000, min_length=30, do_sample=False)
+    texto_unido = ""
+    texto_completo = ""
+    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]
+    texto_separado = texto.split(" ")
+    for i in range(len(texto_separado)):
+      texto_unido = texto_unido + "".join(texto_separado[i]) + " "
+      if i//(len(texto_separado)-1) == 1 or i%100 == 0:
+        texto_unido_traducido = model.generate(**tokenizer(texto_unido, return_tensors="pt", padding=True))
+        texto_unido = [tokenizer.decode(t, skip_special_tokens=True) for t in texto_unido_traducido]
+        texto_completo = texto_completo + "".join(texto_unido[0]) + " "    
+        texto_unido = ""
     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],
+    return texto_resumido[0], texto_completo
 
 demo = gr.Interface(
     fn=traducir,