Update app.py

app.py

@@ -1,28 +1,31 @@
-import torch
+import os
 import gradio as gr
 from transformers import pipeline
+from huggingface_hub import login
 
-# 1. Cargar el modelo
-# Asegúrate de tener tu token de Hugging Face configurado en el Space
-model_id = "Bigfawg6669/create-nsfw"
+# Autenticación con el token secreto configurado en el Space
+token = os.getenv("HF_TOKEN")
+if token:
+    login(token=token)
 
-# Usamos 'pipeline' para simplificar. 
-# Si el modelo requiere tareas específicas (ej. text-generation), cámbialo en el primer argumento.
+# Carga del modelo
+model_id = "Bigfawg6669/create-nsfw"
 try:
-    pipe = pipeline("text-classification", model=model_id, device="cpu") # Usa "cuda" si tienes GPU
+    # Usamos pipeline para simplificar la clasificación
+    pipe = pipeline("text-classification", model=model_id, device="cpu")
 except Exception as e:
-    print(f"Error al cargar el modelo: {e}")
+    print(f"Error crítico al cargar el modelo: {e}")
 
-# 2. Función de predicción
 def analizar_contenido(texto):
+    # La 'entrada' es el texto que el usuario escribe en la caja de Gradio
     resultado = pipe(texto)
     return resultado
 
-# 3. Interfaz de Gradio
+# Interfaz
 demo = gr.Interface(
     fn=analizar_contenido,
-    inputs=gr.Textbox(label="Entrada"),
-    outputs=gr.JSON(label="Resultado"),
+    inputs=gr.Textbox(label="Entrada de texto", placeholder="Escribe aquí para clasificar..."),
+    outputs=gr.JSON(label="Resultado del modelo"),
     title="Analizador de Contenido"
 )