Update app.py

app.py

@@ -18,18 +18,18 @@ if os.path.exists(MODEL_PATH):
 else:
     print("⚠️ baseline_pipe.pkl não encontrado. Usando modo simulado.")
 
-# Carrega modelo generativo treinado em português
-# (modelo leve e compatível com Hugging Face Spaces)
-generator = pipeline("text-generation", model="pierreguillou/gpt2-small-portuguese")
+# Carrega modelo generativo em português (T5-base da Unicamp)
+# Esse modelo entende instruções e responde em linguagem natural.
+generator = pipeline("text2text-generation", model="unicamp-dl/ptt5-base-portuguese-vocab")
 
 def predict_and_respond(text: str):
     """
-    Analisa o sentimento do texto e gera uma resposta automática empática.
+    Analisa o sentimento do texto e gera uma resposta automática empática em português.
     """
     if not text or text.strip() == "":
         return {"sentimento": "n/a", "resposta": "Por favor, digite uma avaliação válida."}
 
-    # Predição de sentimento
+    # Etapa 1 — Predição de sentimento
     if baseline:
         proba = baseline.predict_proba([text])[0]
         pred = int(np.argmax(proba))
@@ -39,27 +39,21 @@ def predict_and_respond(text: str):
         label = "positivo" if "bom" in text.lower() else "negativo"
         conf = 0.0
 
-    # Cria prompt para IA generativa
+    # Etapa 2 — Geração de resposta empática com T5
     prompt = (
         f"O cliente escreveu: '{text}'. "
-        f"Identificamos que o sentimento é {label}. "
-        "Responda de forma empática, útil e em português:"
+        f"O sentimento identificado é {label}. "
+        "Gere uma resposta curta, empática e em português natural, "
+        "como se fosse um atendente cordial da empresa."
     )
 
-    # Gera resposta
-    response = generator(
-        prompt,
-        max_new_tokens=80,
-        do_sample=True,
-        temperature=0.7,
-        top_k=50,
-        top_p=0.95
-    )[0]["generated_text"]
-
-    # Limpa o texto da resposta
-    resposta_limpa = response.replace(prompt, "").strip()
+    try:
+        response = generator(prompt, max_new_tokens=80)[0]["generated_text"]
+        resposta_limpa = response.strip()
+    except Exception as e:
+        resposta_limpa = f"(Erro ao gerar resposta com o modelo T5: {e})"
 
-    # Retorna resultados
+    # Retorna resultado final
     return {
         "sentimento": label,
         "confiança": round(conf, 3),
@@ -71,12 +65,12 @@ demo = gr.Interface(
     fn=predict_and_respond,
     inputs=gr.Textbox(label="Digite uma avaliação de produto"),
     outputs=gr.JSON(label="Resultado"),
-    title="🤖 Análise de Sentimentos + IA Generativa (Português)",
-    description="Analisa o sentimento e gera uma resposta empática com IA generativa em português.",
+    title="🤖 Análise de Sentimentos + IA Generativa (Português - T5)",
+    description="Analisa o sentimento e gera uma resposta empática e natural com o modelo T5 em português (Unicamp).",
     examples=[
-        ["Gostei do produto, mas a entrega atrasou um pouco."],
-        ["Veio quebrado e o suporte não ajudou."],
-        ["Excelente qualidade, recomendo muito!"]
+        ["Gostei do produto, mas chegou com um pequeno defeito."],
+        ["Horrível, o suporte não resolveu meu problema."],
+        ["Entrega rápida e produto excelente!"]
     ],
     theme="soft"
 )