Update app.py

app.py

@@ -1,84 +1,51 @@
 from transformers import pipeline
+import gradio as gr
 
-# Список тем для анализа
-s = [
-    "Деконструкция чужих мыслей",
-    "Работа с парадоксами",
-    "Установка умных ограничений",
-    "Циклическая обратная связь",
-    "Минимизация информации",
-    "Мобильные библиотеки",
-    "Интервью с самим собой",
-    "Использование 'периода тишины'",
-    "Переработка старых проектов",
-    "Метод заземления",
-    "Реверсивное мышление",
-    "Работа с случайностями",
-    "Персонализированные алгоритмы",
-    "Использование времени с минимальной активностью",
-    "Анализ с позиции 'невыносимой лёгкости бытия'",
-    "Создание креативных фрагментов",
-    "Метод 'ошибки с первого раза'",
-    "Медитативный подход к созданию контента",
-    "Процесс разрыва шаблонов",
-    "Принцип 'меньше — больше'",
-    "Использование аналога для сложных идей",
-    "Копирование ошибок успешных людей",
-    "Картирование знаний через визуальные образы",
-    "Задачи, заставляющие мозг работать под давлением",
-    "Анализ поведения людей в стрессовых ситуациях",
-    "Кросс-дисциплинарное мышление",
-    "Картирование эмоций",
-    "Использование случайных встреч для изучения",
-    "Фиксация успешных решений на бумаге",
-    "Использование игры в жизни",
-    "Процесс 'максимизации ресурса'",
-    "Управление временем через шаблоны",
-    "Персонализированная техника памяти",
-    "Техники амнезии",
-    "Системы контроля 'изнутри'",
-    "Переосмысление стандартных ролей",
-    "Использование тишины как инструмента для мыслей",
-    "'Переход через время'",
-    "Процесс 'расширения горизонтов'",
-    "Техника взрывной генерации идей",
-    "Техника обратного создания",
-    "Интервью с вещами"
-]
+class TextProcessor:
+    """
+    Класс для обработки текста с использованием моделей GPT-Neo и T5.
+    """
+    def __init__(self, api_key=None):
+        """
+        Инициализирует объект TextProcessor.
+        """
+        self.api_key = api_key  # API-ключ, если он нужен для авторизации
+        self.model_gpt = pipeline("text-generation", model="EleutherAI/gpt-neo-125M")
+        self.model_t5 = pipeline("text2text-generation", model="t5-base")
 
-# Модели для обработки 
-model_gpt = pipeline("text-generation", model="EleutherAI/gpt-neo-125M")
-model_t5 = pipeline("text2text-generation", model="t5-base")
-model_bert = pipeline("fill-mask", model="bert-base-uncased")
+    def process_text(self, step, text):
+        """
+        Обрабатывает текст с использованием выбранной модели.
+        """
+        if step == 1:
+            # Пример генерации текста с помощью GPT-Neo
+            gpt_result = self.model_gpt(text, max_length=100)
+            return gpt_result
+        elif step == 2:
+            # Пример генерации текста с помощью T5 (например, для резюмирования)
+            t5_result = self.model_t5(text)
+            return t5_result
+        else:
+            return "Unknown step"
 
-# Создание списка вопросов
-questions = [
-    "Как вы понимаете этот принцип?",
-    "Как этот принцип может быть применен в реальной жизни?",
-    "Какие преимущества и недостатки этого принципа?",
-    "Какие примеры применения этого принципа?",
-    "Как вы можете использовать этот принцип в своей работе?",
-]
+# Создание интерфейса Gradio
+processor = TextProcessor()
 
-# Обработка каждого пункта и формирование ответов
-responses = []
-for i, item in enumerate(s):
-    # Генерируем вопрос
-    question = questions[i % len(questions)]
+def process_step(step, text):
+    """
+    Функция для обработки шага в Gradio.
+    """
+    result = processor.process_text(step, text)
+    return result
 
-    # Выбираем модель для обработки в зависимости от номера пункта
-    if i % 3 == 0:
-        result = model_gpt(f"{item} {question}", max_length=100)
-        responses.append(f"**{item}:** {result[0]['generated_text']}")
-    elif i % 3 == 1:
-        result = model_t5(f"{item} {question}")
-        responses.append(f"**{item}:** {result[0]['generated_text']}")
-    else:
-        result = model_bert(f"{item} {question}")
-        responses.append(f"**{item}:** {result[0]['sequence']}")
-
-# Создание итогового текста
-final_text = "\n".join(responses)
-
-# Вывод итогового текста
-print(final_text)
+iface = gr.Interface(
+    fn=process_step,
+    inputs=[
+        gr.Radio(choices=[1, 2], label="Шаг"),  # Изменили  количество    вариантов
+        gr.Textbox(lines=3, label="Текст"),
+    ],
+    outputs="text",
+    title="Обработка Текста",
+    description="Выберите шаг и введите текст.",
+)
+iface.launch()