app.py

import gradio as gr
from transformers import AutoTokenizer, AutoModelForCausalLM
from transformers import pipeline

# Charger le modèle Automodelbloom
tokenizer = AutoTokenizer.from_pretrained("HARSHAPALNATIUNH/Automodelbloom")
model = AutoModelForCausalLM.from_pretrained("HARSHAPALNATIUNH/Automodelbloom")

# Créer un pipeline de génération de texte
generator = pipeline("text-generation", model=model, tokenizer=tokenizer)

# Fonction pour générer du texte en fonction de l'entrée de l'utilisateur
def generate_text(prompt):
    generated_texts = generator(prompt, max_length=150, num_return_sequences=1, temperature=0.7)
    return generated_texts[0]['generated_text']

# Créer l'interface Gradio
with gr.Blocks() as demo:
    gr.Markdown("# Application de génération de texte automobile")
    
    # Composants de l'interface
    text_input = gr.Textbox(label="Entrez votre prompt", placeholder="Ex: Parlez des voitures électriques.")
    output_text = gr.Textbox(label="Texte généré", lines=5)
    
    # Lier le bouton à la fonction
    text_input.submit(generate_text, inputs=text_input, outputs=output_text)

# Lancer l'application
demo.launch()