Update app.py

app.py

@@ -1,16 +1,28 @@
 import gradio as gr
-from transformers import AutoModel, AutoTokenizer
+from transformers import pipeline
 
-# Carga tu modelo desde tu perfil de Hugging Face
-tokenizer = AutoTokenizer.from_pretrained("edusc182/Gemma_2B")
-model = AutoModel.from_pretrained("edusc182/Gemma_2B", use_safetensors=True)
+# 1. Cargamos el modelo usando pipeline.
+# Reemplaza "TuUsuario/TuModelo" con la ruta real de tu modelo en Hugging Face.
+# Usamos "text-generation" asumiendo que tu modelo genera texto (como Llama, GPT, etc.)
+generador = pipeline("text-generation", model="TuUsuario/TuModelo")
 
-def predecir(texto):
-    # Aquí defines la lógica de inferencia de tu modelo
-    inputs = tokenizer(texto, return_tensors="pt")
-    outputs = model(**inputs)
-    return str(outputs)
+def predecir(pregunta):
+    # 2. Pasamos la pregunta al modelo.
+    # max_new_tokens limita qué tan larga será la respuesta generada.
+    resultados = generador(pregunta, max_new_tokens=100)
+    
+    # 3. Extraemos solo el texto de la respuesta para que se vea limpio en la pantalla.
+    texto_generado = resultados[0]['generated_text']
+    return texto_generado
 
-# Crea la interfaz web
-iface = gr.Interface(fn=predecir, inputs="text", outputs="text", title="Mi Modelo")
-iface.launch()
+# 4. Creamos la interfaz web de Gradio
+iface = gr.Interface(
+    fn=predecir, 
+    inputs=gr.Textbox(lines=2, placeholder="Escribe tu pregunta aquí..."), 
+    outputs="text", 
+    title="Mi Modelo de Preguntas y Respuestas",
+    description="¡Hazme una pregunta y veré qué puedo responder!"
+)
+
+# 5. Ejecutamos la aplicación
+iface.launch()