Create app.py

app.py

@@ -0,0 +1,39 @@
+import gradio as gr
+from transformers import pipeline
+
+# Lade Modelle von Hugging Face
+llama_pipeline = pipeline("text-generation", model="meta-llama/Meta-Llama-3-8B")
+finbert_pipeline = pipeline("text-classification", model="ProsusAI/finbert")
+
+# Funktion für die Analyse
+def analyze_financial_text(model_choice, text_input):
+    if not text_input:
+        return "Bitte gib einen Finanztext oder eine Frage ein."
+    
+    if model_choice == "LLaMA 3 (Text-Generierung)":
+        response = llama_pipeline(text_input, max_length=200, do_sample=True)
+        return response[0]["generated_text"]
+    
+    elif model_choice == "FinBERT (Sentiment-Analyse)":
+        response = finbert_pipeline(text_input)
+        return f"Ergebnis: {response[0]['label']} (Score: {response[0]['score']:.2f})"
+    
+    return "Ungültige Auswahl."
+
+# Gradio UI
+with gr.Blocks() as demo:
+    gr.Markdown("# Finanz-Analyse mit Sprachmodellen (LLaMA 3 & FinBERT)")
+
+    model_choice = gr.Radio(
+        choices=["LLaMA 3 (Text-Generierung)", "FinBERT (Sentiment-Analyse)"],
+        label="Wähle ein Modell",
+        value="LLaMA 3 (Text-Generierung)"
+    )
+    
+    text_input = gr.Textbox(label="Gib hier deinen Finanztext oder eine Frage ein", lines=5)
+    output = gr.Textbox(label="Modell-Response", lines=5)
+
+    analyze_button = gr.Button("Analysieren")
+    analyze_button.click(analyze_financial_text, inputs=[model_choice, text_input], outputs=output)
+
+demo.launch()