feat: update

app.py

@@ -5,22 +5,32 @@ from sentence_transformers import SentenceTransformer
 model = SentenceTransformer(model_name_or_path='Alibaba-NLP/gte-multilingual-base',
                             trust_remote_code=True)
 
-def gte_model(sentences: list):
+def add_sentence(sentences, new_sentence):
+    sentences.append(new_sentence)
+    return sentences, "", f"Danh sách câu: {sentences}"
+
+def gte_model(sentences):
     try:
-        # Mã hóa các câu
         embeddings = model.encode(sentences)
-        return embeddings.tolist()  # Chuyển đổi numpy array sang danh sách
+        return embeddings.tolist()  # Chuyển numpy array sang danh sách
     except Exception as e:
         return f"Error: {str(e)}"
 
 # Tạo giao diện Gradio
-demo = gr.Interface(
-    fn=gte_model,
-    inputs=gr.Textbox(lines=5, placeholder="Nhập các câu ở đây, mỗi câu trên một dòng..."),
-    outputs=gr.JSON(label="Kết quả mã hóa"),
-    title="Mô hình GTE Multilingual",
-    description="Nhập các câu để nhận mã hóa từ mô hình GTE Multilingual. Kết quả sẽ được trả về dưới dạng danh sách mã hóa."
-)
+with gr.Blocks() as demo:
+    gr.Markdown("# Mô hình GTE Multilingual")
+    gr.Markdown("Nhập từng câu, sau đó nhấn 'Thêm câu' để thêm vào danh sách. Nhấn 'Mã hóa' để nhận kết quả.")
+
+    sentence_input = gr.Textbox(label="Nhập câu", placeholder="Nhập một câu tại đây...")
+    add_button = gr.Button("Thêm câu")
+    sentences_state = gr.State([])  # Lưu trữ danh sách các câu
+    sentence_list_display = gr.Markdown("Danh sách câu: []")
+    encode_button = gr.Button("Mã hóa")
+    output = gr.JSON(label="Kết quả mã hóa")
+
+    # Liên kết các sự kiện và hàm
+    add_button.click(add_sentence, inputs=[sentences_state, sentence_input], outputs=[sentences_state, sentence_input, sentence_list_display])
+    encode_button.click(gte_model, inputs=sentences_state, outputs=output)
 
 # Khởi chạy giao diện
 demo.launch()