app.py

import gradio as gr
import torch
from transformers import AutoTokenizer, AutoModelForSequenceClassification

# Cargar modelo y tokenizer
model_name = "MorcuendeA/MulderFinders"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name, trust_remote_code=True)

# Función de clasificación personalizada
def classify_text(text):
    if not text.strip():
        return {"Error": 1.0}
    
    try:
        inputs = tokenizer(text, return_tensors="pt", truncation=True, max_length=512)
        outputs = model(**inputs)
        logits = outputs.logits
        probs = torch.softmax(logits, dim=1)[0]
        labels = model.config.id2label
        
        return {labels[i]: float(probs[i]) for i in range(len(probs))}
    except Exception as e:
        return {"Error": 1.0}

# gr.Interface
demo = gr.Interface(
    fn=classify_text,
    inputs=gr.Textbox(
        label="Introduce la epifanía tuitera", 
        placeholder="¿Qué gran verdad quieres revelar?...",
        lines=4
    ),
    outputs=gr.Label(label="Resultado de la clasificación"),
    title="🛸 Clasificador de iluminados - MulderFinders",
    description="""
        <img src="https://huggingface.co/MorcuendeA/MulderFinders/resolve/main/i_want_to_belive.png" width="600">
        """,

    examples=[
        ["Nos mienten sobre los ovnis. ¿Por qué tanto secreto?"],
        ["Las vacunas tienen microchips. Nos quieren controlar. Abran los ojos. #Despierta"],
        ["Mucho ruido sobre ovnis, pero cero evidencia verificable. La hipótesis extraterrestre sigue siendo solo eso: una hipótesis. #STOPbulos"],
        ["Correlación no implica causalidad"]
    ],
    theme=gr.themes.Soft(),
    allow_flagging="never"
)

# Lanza la app
if __name__ == "__main__":
    demo.launch()