Create app.py

app.py

@@ -0,0 +1,59 @@
+import gradio as gr
+from transformers import pipeline
+
+# 1. 加载模型
+# 第一次启动时会下载模型，可能需要几秒钟
+classifier = pipeline("text-classification", model="WJL110/emotion-classifier")
+
+# 2. 定义标签映射
+label_map = {
+    "LABEL_0": "快乐",
+    "LABEL_1": "愤怒",
+    "LABEL_2": "悲伤"
+}
+
+def respond(message, history):
+    """
+    message: 用户输入的当前文本
+    history: 之前的对话历史 (分类模型通常不需要上下文，所以这里我们只处理当前message)
+    """
+    if not message:
+        return "请输入内容"
+    
+    try:
+        # 进行推理
+        result = classifier(message)[0]
+        
+        # 获取结果
+        raw_label = result['label']
+        score = result['score']
+        
+        # 映射标签
+        emotion = label_map.get(raw_label, raw_label) # 如果找不到key，就显示原始label
+        
+        # 格式化回复内容
+        response_text = (
+            f"🤖 分析结果：\n"
+            f"------------------\n"
+            f"预测情感：**{emotion}**\n"
+            f"置信度：{score:.2%}"
+        )
+        return response_text
+        
+    except Exception as e:
+        return f"发生错误: {str(e)}"
+
+# 3. 创建聊天界面
+# 虽然这是分类任务，但使用 ChatInterface 可以给用户一种交互的感觉
+demo = gr.ChatInterface(
+    fn=respond,
+    title="情感分析机器人 (Emotion Classifier)",
+    description="输入一段文字，我会分析其中包含的情感（快乐、愤怒、悲伤）。",
+    examples=["今天真是太开心了！", "这件事让我很生气。", "听到这个消息很难过。"],
+    retry_btn=None,
+    undo_btn=None,
+    clear_btn="清除",
+)
+
+if __name__ == "__main__":
+    demo.launch()