Update app.py

app.py

@@ -1,33 +1,36 @@
 import gradio as gr
-import joblib
-import numpy as np
+import pickle
 import os
 
-MODEL_PATH = os.getenv("MODEL_PATH", "baseline_pipe.pkl")
+# ==============================
+# 1. Carregar o modelo
+# ==============================
+MODEL_PATH = "baseline_pipe.pkl"
 
-baseline = None
-if os.path.exists(MODEL_PATH):
-    baseline = joblib.load(MODEL_PATH)
+def load_model():
+    if not os.path.exists(MODEL_PATH):
+        return None
+    with open(MODEL_PATH, "rb") as f:
+        model = pickle.load(f)
+    return model
 
-def predict_sentiment(text: str):
-    if not text or text.strip() == "":
-        return {"predição": "n/a", "confiança": 0.0}
-    if baseline is None:
-        # Mensagem amigável quando o modelo ainda não foi enviado
-        return {"erro": "Modelo não encontrado. Envie baseline_pipe.pkl nos Files do Space."}
-    proba = baseline.predict_proba([text])[0]
-    pred = int(np.argmax(proba))
-    label = "positivo" if pred == 1 else "negativo"
-    conf = float(np.max(proba))
-    return {"predição": label, "confiança": conf}
+model = load_model()
 
-demo = gr.Interface(
-    fn=predict_sentiment,
-    inputs=gr.Textbox(label="Digite uma avaliação de produto"),
-    outputs=gr.JSON(label="Resultado"),
-    title="Análise de Sentimentos (Amazon Polarity)",
-    description="Envie o arquivo baseline_pipe.pkl na aba Files para ativar o modelo."
-)
+# ==============================
+# 2. Função de predição
+# ==============================
+def predict_sentiment(text):
+    if model is None:
+        return {
+            "erro": "Modelo não encontrado. Envie baseline_pipe.pkl nos Files do Space."
+        }
 
-if __name__ == "__main__":
-    demo.launch()
+    try:
+        pred = model.predict([text])[0]
+        proba = model.predict_proba([text]).max()
+
+        label = "positivo" if pred == 1 else "negativo"
+
+        return {
+            "sentimento": label,
+            "confianca": float(round(proba,