app.py

import time
import gradio as gr
from transformers import pipeline

# настройки
MAX_TEXT_LENGTH = 2000
HISTORY_SIZE = 5

# модели для анализа
MODELS = {
    "Основная модель (rubert-base)": "blanchefort/rubert-base-cased-sentiment",
    "Быстрая модель (rubert-tiny)": "seara/rubert-tiny2-russian-sentiment"
}

# глобальные переменные
current_model = None
model_name = None
history = []

# загрузка модели
def load_model(selected_model_name):
    global current_model, model_name
    if model_name != selected_model_name:
        model_name = selected_model_name
        model_path = MODELS[selected_model_name]
        current_model = pipeline("sentiment-analysis", model=model_path)
    return current_model

# основная функция анализа
def analyze_sentiment(text, selected_model):
    global history
    
    # проверка ввода
    if not text or not text.strip():
        return "ошибка: введите текст для анализа", "", ""
    
    # ограничение длины
    text = text.strip()
    if len(text) > MAX_TEXT_LENGTH:
        text = text[:MAX_TEXT_LENGTH]
        warning = f"текст обрезан до {MAX_TEXT_LENGTH} символов"
    else:
        warning = ""
    
    # загрузка модели
    start_time = time.time()
    try:
        model = load_model(selected_model)
        result = model(text)[0]
        elapsed_time = round((time.time() - start_time) * 1000, 1)
        
        # перевод меток на русский
        label_ru = {
            "positive": "позитивный",
            "negative": "негативный", 
            "neutral": "нейтральный",
            "LABEL_0": "негативный",
            "LABEL_1": "нейтральный",
            "LABEL_2": "позитивный"
        }.get(result['label'], result['label'])
        
        score_percent = round(result['score'] * 100, 1)
        result_text = f"результат: {label_ru}\n"
        result_text += f"уверенность: {score_percent}%\n"
        result_text += f"время анализа: {elapsed_time} мс\n"
        result_text += f"модель: {selected_model}"
        
        # добавление в историю
        history_entry = {
            "text": text[:100] + ("..." if len(text) > 100 else ""),
            "sentiment": label_ru,
            "confidence": f"{score_percent}%",
            "time": elapsed_time,
            "model": selected_model
        }
        
        history.insert(0, history_entry)
        if len(history) > HISTORY_SIZE:
            history.pop()
        
        # форматирование истории
        history_text = "история запросов:\n"
        for i, entry in enumerate(history, 1):
            history_text += f"{i}. текст: {entry['text']}\n"
            history_text += f"   тональность: {entry['sentiment']} ({entry['confidence']})\n"
            history_text += f"   время: {entry['time']} мс | модель: {entry['model']}\n\n"
        
        return warning, result_text, history_text
        
    except Exception as e:
        return f"ошибка: {str(e)}", "", ""

# создание интерфейса
with gr.Blocks(title="анализатор тональности", theme=gr.themes.Soft()) as demo:
    
    # заголовок
    gr.Markdown("""
    # анализатор тональности текста
    определение тональности: позитивный, негативный, нейтральный
    """)
    
    # основная часть
    with gr.Row():
        with gr.Column(scale=2):
            # выбор модели
            model_selector = gr.Dropdown(
                choices=list(MODELS.keys()),
                value=list(MODELS.keys())[0],
                label="выберите модель"
            )
            
            # поле ввода
            text_input = gr.Textbox(
                label="введите текст на русском",
                placeholder="введите текст здесь...",
                lines=5,
                max_lines=10
            )
            
            # кнопка
            analyze_btn = gr.Button("анализировать", variant="primary")
            
            # примеры
            gr.Examples(
                examples=[
                    ["это просто прекрасный день, я так счастлив!"],
                    ["ужасное обслуживание, никогда больше не приду."],
                    ["ну, обычный день, ничего особенного."],
                    ["товар соответствует описанию, доставка быстрая."],
                    ["ожидал большего, качество оставляет желать лучшего."]
                ],
                inputs=text_input,
                label="примеры для теста"
            )
            
        with gr.Column(scale=3):
            # вывод
            warning_output = gr.Markdown(label="уведомления")
            result_output = gr.Markdown(label="результат анализа")
            history_output = gr.Markdown(label="история запросов", value="история запросов:\nздесь будет история ваших запросов")
    
    # обработка нажатия
    analyze_btn.click(
        fn=analyze_sentiment,
        inputs=[text_input, model_selector],
        outputs=[warning_output, result_output, history_output]
    )
    
    # информация
    gr.Markdown("---")
    gr.Markdown("""
    ### информация о проекте
    - максимальная длина текста: 2000 символов
    - история запросов: последние 5 запросов
    - доступные модели:
        1. основная модель (rubert-base) - более точная
        2. быстрая модель (rubert-tiny) - более быстрая
    """)

# запуск
if __name__ == "__main__":
    demo.launch()