Add application file

app.py

@@ -0,0 +1,44 @@
+import gradio as gr
+from transformers import MBartForConditionalGeneration, MBart50TokenizerFast
+
+# Cargar el modelo y el tokenizador
+model = MBartForConditionalGeneration.from_pretrained("eslamxm/MBART-finetuned-Spanish")
+tokenizer = MBart50TokenizerFast.from_pretrained("eslamxm/MBART-finetuned-Spanish")
+
+# Función para generar el resumen
+def resumir_texto(texto):
+    inputs = tokenizer(texto, return_tensors="pt", max_length=1024, truncation=True)
+    resumen_ids = model.generate(
+        inputs["input_ids"],
+        max_length=150,
+        min_length=40,
+        length_penalty=2.0,
+        num_beams=4,
+        early_stopping=True
+    )
+    resumen = tokenizer.decode(resumen_ids[0], skip_special_tokens=True)
+    return resumen
+
+# Crear la interfaz con Gradio
+with gr.Blocks() as demo:
+    gr.Markdown("## 📝 Resumen de Textos en Español")
+    gr.Markdown("Introduce un texto en español y obtén un resumen generado por el modelo MBART.")
+
+    with gr.Row():
+        with gr.Column():
+            entrada = gr.Textbox(
+                label="Texto de entrada",
+                placeholder="Escribe o pega aquí el texto que deseas resumir...",
+                lines=10
+            )
+            boton = gr.Button("Generar Resumen")
+        with gr.Column():
+            salida = gr.Textbox(
+                label="Resumen generado",
+                placeholder="El resumen aparecerá aquí...",
+                lines=10
+            )
+
+    boton.click(fn=resumir_texto, inputs=entrada, outputs=salida)
+
+demo.launch()

requirements.txt

@@ -0,0 +1,4 @@
+transformers==4.20.0
+torch==1.11.0
+datasets==2.3.2
+tokenizers==0.12.1