app.py

# app.py
import gradio as gr
from emotion_predictor import analyze_dialogue

INTRO = """\
감정 흐름 예측 + 급변 탐지 + 갈등 유발자 추정 데모
입력 형식: 줄마다 "화자:문장"
예)
A: 너 왜 또 늦었어?
B: 미안해, 차가 막혔어.
A: 변명하지 마.
B: 너 진짜 왜 이래?
"""

def run_pipeline(text, alpha, z, steps):
    report, img_b64, struct = analyze_dialogue(
        text,
        smooth_alpha=alpha,
        z_thresh=z,
        forecast_steps=steps
    )
    img_md = f"![plot](data:image/png;base64,{img_b64})" if img_b64 else ""
    return report, img_md, str(struct)

with gr.Blocks() as demo:
    gr.Markdown("# 대화 감정 분석·예측·갈등 판단")
    gr.Markdown(INTRO)

    with gr.Row():
        text = gr.Textbox(
            label="대화 입력",
            lines=12,
            value="A: 너 왜 또 늦었어?\nB: 미안해, 차가 막혔어.\nA: 변명하지 마.\nB: 너 진짜 왜 이래?"
        )
        with gr.Column():
            alpha = gr.Slider(0.1, 0.9, value=0.4, step=0.05, label="EMA α(스무딩 강도)")
            z = gr.Slider(1.0, 3.0, value=1.8, step=0.1, label="급변 Z 임계값")
            steps = gr.Slider(1, 6, value=3, step=1, label="예측 턴 수")

    btn = gr.Button("분석 실행")

    report = gr.Textbox(label="리포트", lines=18)
    img = gr.Markdown()
    struct = gr.Textbox(label="디버그/구조 데이터", lines=10)

    # REST 노출을 위해 api_name 유지
    btn.click(
        run_pipeline,
        inputs=[text, alpha, z, steps],
        outputs=[report, img, struct],
        api_name="predict"
    )

if __name__ == "__main__":
    # Gradio 버전 차이를 흡수하는 queue() 호출
    try:
        # gradio>=4 계열
        demo.queue(default_concurrency_limit=1, max_size=128)
    except TypeError:
        try:
            # 일부 3.x 계열
            demo.queue(concurrency_count=1, max_size=128)
        except TypeError:
            # 더 구버전: 인자 없이
            demo.queue()
    demo.launch(server_name="0.0.0.0", server_port=7860, show_error=True)