# Importar as bibliotecas Gradio e Transformers
import gradio as gr
from transformers import AutoTokenizer, AutoModelForCausalLM

# Carregar o tokenizador e o modelo do GPT-J
tokenizer = AutoTokenizer.from_pretrained("EleutherAI/gpt-j-6B")
model = AutoModelForCausalLM.from_pretrained("EleutherAI/gpt-j-6B")

# Definir uma função que recebe um prompt e gera um texto usando o modelo
def generate_text(prompt):
  # Codificar o prompt
  input_ids = tokenizer.encode(prompt, return_tensors="pt")
  # Gerar uma saída
  output_ids = model.generate(input_ids)
  # Decodificar a saída
  output_text = tokenizer.decode(output_ids[0])
  # Retornar a saída
  return output_text

# Criar uma interface do Gradio com um componente de entrada do tipo Textbox e um componente de saída do tipo Textbox
iface = gr.Interface(
  fn=generate_text,
  inputs=gr.inputs.Textbox(lines=5, label="Input Text", initial_value="What is the meaning of life?"),
  outputs=gr.outputs.Textbox(label="Output Text")
)

# Lançar a interface do Gradio
iface.launch()