app.py

from transformers import AutoTokenizer, AutoModelForSeq2SeqLM, pipeline
import gradio as gr

# Cargar el tokenizer y el modelo desde el repositorio del modelo preentrenado
tokenizer = AutoTokenizer.from_pretrained("mrm8488/bert2bert_shared-spanish-finetuned-summarization")
model = AutoModelForSeq2SeqLM.from_pretrained("mrm8488/bert2bert_shared-spanish-finetuned-summarization")
# Crear el pipeline de resumen utilizando los objetos cargados
resumidor = pipeline("summarization", model=model, tokenizer=tokenizer)

def generar_resumen(texto):
    # Generar el resumen usando el pipeline
    resumen = resumidor(texto, max_length=130, min_length=30, do_sample=False)
    return resumen[0]["summary_text"]

# Crear la interfaz de Gradio
demo = gr.Interface(fn=generar_resumen, inputs=gr.Textbox(lines=10, placeholder="Pega aquí un texto largo en español..."),
    outputs="text",
    title="Generación de Resúmenes Automáticos",
    description="Introduce un texto largo en español y obtén un resumen generado automáticamente por un modelo preentrenado."
)
# Lanzar la aplicación
demo.launch()