import gradio as gr
import time 
from transformers import pipeline
TASK='text-classification'
MODEL_NAME='Aniemore/rubert-tiny2-russian-emotion-detection'
sentiment_model=pipeline(TASK, model=MODEL_NAME)
MAX_CHARSE=2000

def runk(text):
    if text is None or not text.strip():
        return 'Error', None,None
    text=text.strip()
    if len(text)>MAX_CHARSE:
        text=text[:MAX_CHARSE]

    t0=time.time()
    try:
        result=sentiment_model(text)
        latency=round((time.time()-t0)*1000,1)
        return 'okay',result,f'{latency} ms'
    except Exception as e:
        return f'Error: {type(e).__name__}: {e}',None,None

with gr.Blocks() as demo:
    gr.Markdown(f'''
    ** Задача: ** {TASK} 
    ** Модель: ** {MODEL_NAME} 
    ''')
    inp =gr.Textbox(label='Введите текст',
                    lines=6,
                    placeholder='Скопируйте сюда текст')
    btn=gr.Button('Обработать')
    status=gr.Textbox(label='Статус')
    out=gr.JSON(label='Результат модели')
    latency=gr.Textbox(label='Время ответа')

    btn.click(runk,inputs=inp,outputs=[status,out,latency])

    gr.Examples(
        examples=[['Я люблю этот продукт. Он великолепен'], 
                  ["Это наихудший опыт"],
                  ['Никакой специфики']],
        inputs=inp
    )
    demo.launch()