Hugging Face's logo

Spaces:
Larxmind
/
TareaDiffusersTransformes
Sleeping

App Files Community
TareaDiffusersTransformes
File size: 2,641 Bytes
75b5d8f
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
import gradio as gr
import requests
import os
from dotenv import load_dotenv

# --- CONFIGURACIÓN ---
load_dotenv()
MI_TOKEN = os.getenv("HF_TOKEN") 

MODELO = "facebook/bart-large-mnli"

API_URL = f"https://router.huggingface.co/hf-inference/models/{MODELO}"
HEADERS = {"Authorization": f"Bearer {MI_TOKEN}"}

def clasificar_incidencia(mensaje):
    if not mensaje:
        return None

    print(f"📡 Enviando incidencia: '{mensaje}'...")

    # Departamentos (Etiquetas)
    departamentos = [
        "Soporte IT", 
        "Mantenimiento", 
        "Secretaría", 
        "Seguridad", 
        "Cafetería"
    ]

    # Configuración para clasificación
    payload = {
        "inputs": mensaje,
        "parameters": {
            "candidate_labels": departamentos,
            "multi_label": False
        }
    }

    try:
        response = requests.post(API_URL, headers=HEADERS, json=payload)
        datos = response.json()
    
        print(f"📦 DATOS RECIBIDOS: {datos}")

        if response.status_code == 200:
            
            resultados_gradio = {}
            
            if isinstance(datos, list):
                for item in datos:
                    etiqueta = item.get('label')
                    puntuacion = item.get('score')
                    
                    if etiqueta and puntuacion is not None:
                        resultados_gradio[etiqueta] = puntuacion
                
                return resultados_gradio
            
            elif isinstance(datos, dict) and 'labels' in datos:
                return {l: s for l, s in zip(datos['labels'], datos['scores'])}
            
            else:
                return {"Error: Formato desconocido": 0.0}

        elif response.status_code == 503:
            return {"⏳ Cargando modelo... (Prueba en 10s)": 0.0}
        
        else:
            return {f"Error {response.status_code}": 0.0}

    except Exception as e:
        return {f"Error técnico: {e}": 0.0}

# Interfaz
ui = gr.Interface(
    fn=clasificar_incidencia,
    inputs=gr.Textbox(
        label="📝 Incidencia", 
        placeholder="Ej: Se ha roto la silla del aula 4...",
        lines=2
    ),
    outputs=gr.Label(num_top_classes=5, label="Clasificación IA"),
    title="🏢 Smart Campus: Router IA",
    description="Sistema de triaje inteligente para incidencias universitarias.",
    examples=[
        ["El proyector no enciende y tengo clase ahora."],
        ["He perdido mi cartera en el pasillo."],
        ["Necesito un certificado de notas para la beca."]
    ],
    flagging_mode="never"
)

if __name__ == "__main__":
    ui.launch()