Update app.py

app.py

@@ -1,31 +1,28 @@
 import gradio as gr
+from transformers import AutoTokenizer, AutoModelForTokenClassification
 from transformers import pipeline
 
-# Charger le pipeline de génération de texte
-generator = pipeline("text-generation", model="sp01/ner_automotive")
+# Charger le tokenizer et le modèle pour la reconnaissance d'entités nommées (NER)
+tokenizer = AutoTokenizer.from_pretrained("sp01/ner_automotive")
+model = AutoModelForTokenClassification.from_pretrained("sp01/ner_automotive")
 
-# Fonction pour générer du texte
-def generate_text(prompt, max_length=50, num_return_sequences=3):
-    generated_texts = generator(prompt, max_length=max_length, num_return_sequences=num_return_sequences)
-    results = [text["generated_text"] for text in generated_texts]
-    return "\n\n".join(results)
+# Créer un pipeline pour la NER
+ner_pipeline = pipeline("ner", model=model, tokenizer=tokenizer)
+
+# Fonction pour traiter l'entrée
+def extract_entities(text):
+    entities = ner_pipeline(text)
+    return "\n".join([f"Entity: {entity['word']}, Label: {entity['entity']}, Score: {entity['score']}" for entity in entities])
 
 # Interface Gradio
 with gr.Blocks() as demo:
-    gr.Markdown("# Génération de texte avec GPT-2")
-    
-    with gr.Row():
-        prompt_input = gr.Textbox(label="Texte d'entrée (prompt)", placeholder="Saisissez votre texte ici")
-        max_length_input = gr.Slider(label="Longueur maximale", minimum=10, maximum=100, value=50)
-        num_sequences_input = gr.Slider(label="Nombre de textes générés", minimum=1, maximum=5, value=3)
+    gr.Markdown("# Extraction d'entités automobiles")
     
-    generate_button = gr.Button("Générer")
-    output_text = gr.Textbox(label="Texte généré", lines=10)
+    # Composants de l'interface
+    text_input = gr.Textbox(label="Entrez votre texte", placeholder="Ex: Tesla Model S est une voiture électrique.")
+    output_text = gr.Textbox(label="Entités extraites", lines=5)
     
-    generate_button.click(
-        generate_text,
-        inputs=[prompt_input, max_length_input, num_sequences_input],
-        outputs=output_text
-    )
+    # Lier le bouton à la fonction
+    text_input.submit(extract_entities, inputs=text_input, outputs=output_text)
 
 demo.launch()