Update app.py

app.py

@@ -1,59 +1,84 @@
 import gradio as gr
 from transformers import pipeline
 import pdfplumber
+import os
 
-# Ленивая инициализация модели (создадим при первом вызове)
+# Ленивая инициализация модели
 summarizer = None
 
 def get_summarizer():
     global summarizer
     if summarizer is None:
-        # Более лёгкая модель, чем facebook/bart-large-cnn
+        # Более лёгкая модель, чем facebook/bart-large-cnn,
+        # чтобы уменьшить риск проблем с памятью на Space.
         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."
+def read_text_from_file(file_path: str) -> str:
+    """
+    file_path — это строка с путём к временному файлу, который создаёт Gradio.
+    """
+    if not file_path:
+        return ""
+
+    file_path_lower = file_path.lower()
 
-    # Читаем текст из PDF или TXT
-    if file.name.endswith(".pdf"):
+    # PDF
+    if file_path_lower.endswith(".pdf"):
         text = ""
-        with pdfplumber.open(file.name) as pdf:
+        with pdfplumber.open(file_path) 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")
+        return text
+
+    # Всё остальное считаем текстом в UTF-8
+    try:
+        with open(file_path, "r", encoding="utf-8", errors="ignore") as f:
+            return f.read()
+    except Exception:
+        # На всякий случай — бинарный режим с декодированием
+        with open(file_path, "rb") as f:
+            return f.read().decode("utf-8", errors="ignore")
+
+# Основная функция суммаризации
+def summarize_file(file_path):
+    if file_path is None:
+        return "⚠️ Пожалуйста, загрузите файл."
 
-    text = text.strip()
+    # file_path — это строка
+    text = read_text_from_file(file_path).strip()
 
-    # Проверяем размер текста
     if len(text) < 50:
         return "⚠️ Слишком короткий текст для суммаризации."
 
-    # Ограничим длину текста, чтобы не перегружать модель
+    # Ограничиваем длину, чтобы модель не упала по памяти
     if len(text) > 3000:
         text = text[:3000]
 
-    # Создаём резюме
     summarizer = get_summarizer()
-    summary = summarizer(text, max_length=200, min_length=50, do_sample=False)
+    summary = summarizer(
+        text,
+        max_length=200,
+        min_length=50,
+        do_sample=False
+    )
     return summary[0]["summary_text"]
 
-# Создаём интерфейс Gradio
+# Интерфейс Gradio
 demo = gr.Interface(
     fn=summarize_file,
-    inputs=gr.File(label="Загрузите файл (.pdf или .txt)"),
+    inputs=gr.File(
+        label="Загрузите файл (.pdf или .txt)",
+        type="filepath"  # ЯВНО говорим: возвращай путь к файлу
+    ),
     outputs=gr.Textbox(label="Результат суммаризации"),
     title="Eroha Summarizer 🧠",
     description="Загрузите документ (PDF или TXT), и модель создаст краткое резюме.",
 )
 
-# Запуск приложения (для Spaces достаточно просто demo.launch())
 if __name__ == "__main__":
-    demo.launch(server_name="0.0.0.0", server_port=7860)
+    # Для Hugging Face Spaces можно вообще просто demo.launch()
+    demo.launch()