import gradio as gr
from transformers import pipeline

# 1. Cargar el modelo
model_name = "nlptown/bert-base-multilingual-uncased-sentiment"
classifier = pipeline("sentiment-analysis", model=model_name)

# 2. Función de clasificación
def interfaz_clasificador(texto):
    resultado = classifier(texto)[0]
    return f"Etiqueta: {resultado['label']}, Puntuación: {resultado['score']:.4f}"

# 3. CSS para mantener el color azul (Título, textos y botón 'Submit')
css_custom = """
h1 { color: #215C98 !important; text-align: center; }
.gradio-container label span { color: #215C98 !important; font-weight: bold; }
button.primary { background: #215C98 !important; background-color: #215C98 !important; color: white !important; border: none; }
"""

# 4. Crear la interfaz con las etiquetas personalizadas
demo = gr.Interface(
    fn=interfaz_clasificador,
    inputs=gr.Textbox(lines=2, placeholder="Escribe un texto aquí...", label="Texto a clasificar"),
    outputs=gr.Textbox(label="Salida"),
    title="Clasificador de Sentimientos en Español",
    css=css_custom
)

# 5. Lanzar la aplicación
if __name__ == "__main__":
    demo.launch()