Update app.py

app.py

@@ -2,55 +2,13 @@ import gradio as gr
 from transformers import pipeline
 
 APP_NAME = "MoodMapper"
-MODEL_ID = "j-hartmann/emotion-english-distilroberta-base"  # garde celui-ci pour l’instant
+MODEL_ID = "j-hartmann/emotion-english-distilroberta-base"
 
 _clf = None
 def get_clf():
+    """Charge le modèle une seule fois pour éviter les ralentissements."""
     global _clf
     if _clf is None:
         _clf = pipeline(
             "text-classification",
             model=MODEL_ID,
-            return_all_scores=True,
-            truncation=True
-        )
-    return _clf
-
-EXAMPLES = [
-    "I just got the internship — I'm so happy!",
-    "Je suis déçue et un peu en colère par ce mail.",
-    "This is fine, nothing special today.",
-    "I'm worried about the deadline...",
-    "Quelle surprise ! Je ne m’y attendais pas."
-]
-
-def predict_emotion(text):
-    try:
-        if not text or not text.strip():
-            return {"": 0.0}, "Veuillez entrer un texte."
-        scores = get_clf()(text)[0]  # [{'label': 'joy', 'score': 0.97}, ...]
-        score_dict = {s["label"]: float(s["score"]) for s in scores}
-        top = max(scores, key=lambda d: d["score"])
-        notes = (
-            f"**Émotion prédite :** {top['label']} ({top['score']*100:.1f}%)\n\n"
-            "- Fonctionne mieux sur des phrases courtes et explicites.\n"
-            "- Modèle surtout entraîné en anglais ; le français simple passe quand même.\n"
-            "- L'ironie et le sarcasme peuvent tromper le modèle."
-        )
-        return score_dict, notes
-    except Exception as e:
-        # Renvoie un message clair dans l’UI plutôt qu’un crash
-        return {"error": 1.0}, f"Erreur interne : {e}"
-
-with gr.Blocks(title=APP_NAME) as demo:
-    gr.Markdown(f"# {APP_NAME} — Détecteur d'émotions (texte)")
-    txt = gr.Textbox(label="Votre texte", placeholder="Ex: Je suis déçue et un peu en colère par ce mail.", lines=3)
-    btn = gr.Button("Analyser")
-    out_scores = gr.Label(label="Scores (confiances)")
-    out_notes = gr.Markdown()
-    gr.Examples(inputs=txt, examples=EXAMPLES, label="Exemples à tester")
-    btn.click(predict_emotion, txt, [out_scores, out_notes])
-    txt.submit(predict_emotion, txt, [out_scores, out_notes])
-
-# IMPORTANT sur Hugging Face Spaces: ne pas appeler demo.launch()
-app = demo