Update app.py

app.py

@@ -23,7 +23,11 @@ except Exception as e:
 
 # ====== MODELO ======
 try:
-    model_pipeline = pipeline("text-classification", model="pysentimiento/robertuito-emotion-analysis")
+    model_pipeline = pipeline(
+        "text-classification",
+        model="pysentimiento/robertuito-emotion-analysis",
+        return_all_scores=True
+    )
     print("✅ Modelo carregado com sucesso!")
 except Exception as e:
     print(f"❌ Erro ao carregar modelo: {e}")
@@ -68,7 +72,6 @@ def fallback_emotion(text):
 
     text_lower = text.lower()
     match_counts = {k: sum(1 for w in v if w in text_lower) for k, v in emotion_map.items()}
-    # Detecta a emoção com mais palavras-chave presentes
     emotion = max(match_counts, key=match_counts.get)
     if match_counts[emotion] == 0:
         emotion = "neutro"
@@ -94,15 +97,17 @@ def analyze():
         if not model_pipeline:
             return jsonify(fallback_emotion(text))
 
-        result = model_pipeline(text, return_all_scores=True)
+        result = model_pipeline(text)
         if not result or len(result) == 0:
             return jsonify(fallback_emotion(text))
 
+        # Extrai probabilidades e identifica maior confiança
         scores = {r["label"]: r["score"] for r in result[0]}
         top_label = max(scores, key=scores.get)
         confidence = round(scores[top_label], 2)
         emotion_pt = emotion_labels.get(top_label, "desconhecido")
 
+        # Caso confiança alta em tristeza, considera depressão
         if emotion_pt == "tristeza" and confidence >= 0.9:
             emotion_pt = "depressão"