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()