app.py

import gradio as gr
from transformers import pipeline
import time

# Простая функция для тестирования
def analyze_coffee_sentiment(text):
    if not text or not text.strip():
        return "⚠️ Введите текст отзыва о кофе", "0ms"
    
    try:
        start_time = time.time()
        
        # Используем легкую модель для быстрого старта
        classifier = pipeline(
            "sentiment-analysis",
            model="distilbert-base-uncased-finetuned-sst-2-english"
        )
        
        result = classifier(text[:500])[0]
        latency = f"{(time.time() - start_time)*1000:.0f}ms"
        
        sentiment = "😊 Позитивный" if result['label'] == "POSITIVE" else "😞 Негативный"
        confidence = f"{result['score']:.1%}"
        
        return f"{sentiment} (уверенность: {confidence})", latency
        
    except Exception as e:
        return f"❌ Ошибка: {str(e)}", "0ms"

# Минимальный интерфейс
with gr.Blocks(title="Анализатор тональности кофе") as demo:
    gr.Markdown("# ☕ Анализатор тональности отзывов о кофе")
    
    with gr.Row():
        text_input = gr.Textbox(
            label="Введите отзыв о кофе",
            placeholder="Пример: Этот кофе имеет богатый аромат...",
            lines=3
        )
    
    analyze_btn = gr.Button("Анализировать", variant="primary")
    
    with gr.Row():
        result_output = gr.Textbox(label="Результат")
        time_output = gr.Textbox(label="Время выполнения")
    
    # Примеры
    gr.Examples(
        examples=[
            ["This coffee is absolutely amazing! Best I've ever had."],
            ["Кофе был холодным и безвкусным. Очень разочарован."],
            ["Standard coffee, nothing special. Acceptable for the price."]
        ],
        inputs=text_input
    )
    
    analyze_btn.click(
        fn=analyze_coffee_sentiment,
        inputs=text_input,
        outputs=[result_output, time_output]
    )

if __name__ == "__main__":
    demo.launch(debug=False)