Update app.py

app.py

@@ -10,6 +10,26 @@ client = AsyncOpenAI(
 
 assistantID = "asst_7xyER9PDcv13UJ22U2zz4x1z"
 
+mytitle = "<h1 align=center>Wat war lass am Land 🇱🇺 an op der Welt 🌎 ?</h1>"
+
+mydescription="""
+<h3 align='center'>Wat fir een Thema interesséiert Iech : 🐶 🏃🏻‍♂️ 🌗 🍇 🌈 🍽️ 🏆 🚘 ✈️ 🩺 </h3>
+<table width=100%>
+  <tr>
+    <th width=50% bgcolor="Moccasin">Stell deng Froen op Lëtzebuergesch, oder an enger anerer Sprooch :</th>
+    <th bgcolor="Khaki">Äntwert vum OpenAI File-Search Assistent : </th>
+  </tr>
+</table>
+"""
+
+myarticle ="""
+<h3>Hannergrënn :</h3>
+<p>Hannergrënn : Dës HuggingFace Space Demo gouf vum <a href="https://github.com/mbarnig">Marco Barnig</a> realiséiert. Als kënstlech Intelligenz gëtt, mëttels API,  den <a href="https://platform.openai.com/docs/models">OpenAI Modell</a> gpt-4o-mini-2024-07-18 benotzt, deen als Kontext bis 128.000 Tokens ka benotzen, eng Äntwert op eng Fro vu maximal 16.384 Tokens ka ginn a bis zu 200.000 Tokens pro Minutt <a href="https://platform.openai.com/settings/organization/limits">(TPM)</a> ka beaarbechten. Fir dës Demo gëtt nëmmen eng News-JSON-Datei mat enger Gréisst vun 30 MB benotzt. Et ass méiglech bis zu 10.000 Dateien op en OpenAI Assistent opzelueden.</p>
+"""
+
+myinput = gr.Textbox(lines=3, label="Wat wëllt Der wëssen ?")
+
+
 class EventHandler(AsyncAssistantEventHandler):
     def __init__(self) -> None:
         super().__init__()
@@ -98,11 +118,13 @@ async def gradio_chat_interface(user_input):
 # Set up Gradio interface with streaming
 interface = gr.Interface(
     fn=gradio_chat_interface,
-    inputs="text",
+    inputs=myinput,
     outputs="markdown",
-    title="OpenAI Assistant with Gradio",
-    description="Ask anything and get an AI-generated response in real-time.",
-    live=False  # Important to allow streaming-like behavior
+    title=mytitle,
+    description=mydescription,
+    article=myarticle,
+    live=False,
+    allow_flagging="never"
 )
 
 # Launch the Gradio app