# Importer pipeline
from transformers import pipeline
# charger le modèle bart-large-cnn
summarizer = pipeline(task="summarization", model="facebook/bart-large-cnn")
# charger le modèle mT5_multilingual_XLSum
summarizer_1= pipeline("summarization", model="csebuetnlp/mT5_multilingual_XLSum")
# Définir une fonction summarize_func avec bart_large_cnn
def summarize_func(input, min_length, max_length):
    output = summarizer(input.strip(),min_length, max_length)
    return output[0]['summary_text']

# Définir une fonction summarize_func ave cmT5-multilingual
def summarize_func_1(input, min_length, max_length):
    output = summarizer_1(input.strip(), min_length, max_length)
    return output[0]['summary_text']
# Déployer
import gradio as gr
import os
# Création de blocks
demo = gr.Blocks(theme= 'shivi/calm_seafoam')
inputs = [gr.Textbox(label="Text à résumer", lines=6),
        gr.Number(label = 'Longueur Minimale'),
        gr.Number(label = 'Longueur Maximale')]
summarizer1 = gr.Interface(fn=summarize_func,
                    inputs=inputs,
                    outputs=[gr.Textbox(label="Résumé", lines=3)],
                    title="Text summarization avec bart-large-cnn",
                    description="Résumer n'importe quel texte avec bart-large-cnn"
                   )

inputs1 = [gr.Textbox(label="Text à résumer", lines=6),
           gr.Number(label = 'Longueur Minimal'),
           gr.Number(label= 'Longueur Maximal')]

summarizer2 = gr.Interface(fn=summarize_func_1,
                    inputs=inputs1,
                    outputs=[gr.Textbox(label="Result", lines=3)],
                    title="Text summarization avec mT5_multilingual_XLSum",
                    description="Résumer n'importe quel texte mT5_multilingual_XLSum"
                   )

with demo:
    gr.TabbedInterface(
        [summarizer1,
         summarizer2],
        ["Summarize avec mT5",
         "Summarize avec bart"],
    )

demo.launch()