Update app.py

app.py

@@ -2,28 +2,46 @@ import gradio as gr
 from transformers import pipeline
 import pdfplumber
 
-# Загружаем модель для суммаризации текста
-summarizer = pipeline("summarization", model="facebook/bart-large-cnn")
+# Ленивая инициализация модели (создадим при первом вызове)
+summarizer = None
+
+def get_summarizer():
+    global summarizer
+    if summarizer is None:
+        # Более лёгкая модель, чем facebook/bart-large-cnn
+        summarizer = pipeline(
+            "summarization",
+            model="sshleifer/distilbart-cnn-12-6"
+        )
+    return summarizer
 
 # Функция обработки файла
 def summarize_file(file):
     if file is None:
         return "⚠️ Пожалуйста, загрузите файл."
 
-    # Проверяем тип файла
+    # Читаем текст из PDF или TXT
     if file.name.endswith(".pdf"):
         text = ""
         with pdfplumber.open(file.name) as pdf:
             for page in pdf.pages:
                 text += page.extract_text() or ""
     else:
+        # Другие форматы считаем как текстовый файл в UTF-8
         text = file.read().decode("utf-8", errors="ignore")
 
+    text = text.strip()
+
     # Проверяем размер текста
-    if len(text.strip()) < 50:
+    if len(text) < 50:
         return "⚠️ Слишком короткий текст для суммаризации."
 
+    # Ограничим длину текста, чтобы не перегружать модель
+    if len(text) > 3000:
+        text = text[:3000]
+
     # Создаём резюме
+    summarizer = get_summarizer()
     summary = summarizer(text, max_length=200, min_length=50, do_sample=False)
     return summary[0]["summary_text"]
 
@@ -36,6 +54,6 @@ demo = gr.Interface(
     description="Загрузите документ (PDF или TXT), и модель создаст краткое резюме.",
 )
 
-# Запуск приложения
-demo.launch(server_name="0.0.0.0", server_port=7860)
-
+# Запуск приложения (для Spaces достаточно просто demo.launch())
+if __name__ == "__main__":
+    demo.launch(server_name="0.0.0.0", server_port=7860)