app.py

import gradio as gr
import torch
import spaces
import time
from transformers import AutoTokenizer, AutoModelForCausalLM

# Load model and tokenizer
@spaces.GPU
def load_model():
    model_name = "arthrod/tucano_voraz_cwb-com-prompts-apr-04"
    tokenizer = AutoTokenizer.from_pretrained(model_name)
    tokenizer.padding_side = 'left'
    model = AutoModelForCausalLM.from_pretrained(
        model_name,
        torch_dtype=torch.float16,
        device_map="auto"
    )
    return model, tokenizer

model, tokenizer = load_model()

# Main prediction function with the exact format you specified
@spaces.GPU
def predict(message, history):
    # Apply chat template
    messages = [{"role": "user", "content": message}]
    inputs = tokenizer.apply_chat_template(
        messages,
        tokenize=False,
        add_generation_prompt=True
    )
    
    # Tokenize inputs
    model_inputs = tokenizer(inputs, padding=True, return_tensors="pt").to(model.device)
    
    # Create a streaming effect
    partial_message = ""
    input_length = model_inputs.input_ids.shape[1]
    
    # Generate without sampling for deterministic output
    with torch.no_grad():
        generated_ids = model.generate(
            **model_inputs,
            max_new_tokens=512,
            do_sample=False,
            temperature=None,  # Remove temperature
            top_p=None,  # Remove top_p
            top_k=None
        )
    
    # Extract just the generated part (not the input)
    generated_part = generated_ids[0, input_length:]
    
    # Decode the output
    output = tokenizer.decode(generated_part, skip_special_tokens=True)
    
    # Simulate streaming for better user experience
    for i in range(min(len(output), 100)):  # Limit to reasonable length
        partial_message = output[:i+1]
        time.sleep(0.02)  # Small delay for streaming effect
        yield partial_message
    
    # Yield the complete message
    yield output

# Example texts demonstrating different PII types
examples = [
    "Meu nome é Ricardo Almeida e moro na Rua das Flores, 123, em Curitiba. Meu CPF é 123.456.789-00 e meu telefone é (41) 98765-4321.",
    "A paciente Maria da Silva, nascida em 15/03/1980, apresentou resultados alterados no exame de sangue. Favor contatar pelo celular 11 99876-5432.",
    "O funcionário José Roberto Santos, portador do RG 12.345.678-9, está autorizado a acessar o prédio da empresa Tecnologia Brasil LTDA.",
    "Declaração de Imposto de Renda do contribuinte Roberto Carlos Magalhães, CPF 987.654.321-00, residente na Av. Paulista, 1578, São Paulo-SP.",
    "Segue o número do cartão de crédito para o pagamento: 5432-1098-7654-3210, titular Ana Beatriz Oliveira, validade 12/25, código 123."
]

# PII types with explanations
pii_types = [
    {"name": "CPF/CNPJ", "tag": "SSN_CPF", "example": "123.456.789-00 → [SSN_CPF]"},
    {"name": "RG", "tag": "ID_RG", "example": "12.345.678-9 → [ID_RG]"},
    {"name": "Nome", "tag": "FIRST_NAME/MIDDLE_NAME/LAST_NAME", "example": "João Silva → [FIRST_NAME] [LAST_NAME]"},
    {"name": "Endereço", "tag": "STREET_NAME/BUILDING_NB", "example": "Rua Aurora, 123 → [STREET_NAME], [BUILDING_NB]"},
    {"name": "Bairro", "tag": "NEIGHBORHOOD", "example": "Jardim Paulista → [NEIGHBORHOOD]"},
    {"name": "Cidade", "tag": "CITY", "example": "São Paulo → [CITY]"},
    {"name": "Estado", "tag": "STATE/STATE_ABBR", "example": "São Paulo/SP → [STATE]/[STATE_ABBR]"},
    {"name": "CEP", "tag": "ZIPCODE_CEP", "example": "01234-567 → [ZIPCODE_CEP]"},
    {"name": "Telefone", "tag": "PHONE", "example": "(11) 98765-4321 → [PHONE]"},
    {"name": "Data de nascimento", "tag": "BIRTHDATE", "example": "15/03/1980 → [BIRTHDATE]"},
    {"name": "Cartão de crédito", "tag": "CREDITCARD", "example": "5432-1098-7654-3210 → [CREDITCARD]"},
    {"name": "PIS/PASEP", "tag": "SOCIAL_NB_PIS", "example": "123.45678.90-1 → [SOCIAL_NB_PIS]"},
    {"name": "Dados médicos", "tag": "MEDICAL_DATA", "example": "Diagnóstico de hipertensão → [MEDICAL_DATA]"},
    {"name": "Opinião política", "tag": "POLITICAL_OPINION", "example": "Apoiador do partido X → [POLITICAL_OPINION]"},
    {"name": "Convicção religiosa", "tag": "RELIGIOUS_CONVICTION", "example": "Praticante de religião Y → [RELIGIOUS_CONVICTION]"}
]

# Create Gradio Interface
with gr.Blocks(css="""
    .gradio-container {max-width: 1200px !important; margin-left: auto !important; margin-right: auto !important;}
    .examples {margin-top: 10px !important;}
    .pii-table {margin-top: 20px !important; margin-bottom: 20px !important;}
    .footer {text-align: center; margin-top: 20px !important; padding: 10px !important; border-top: 1px solid #eee !important;}
    .pii-card {background-color: #f9f9f9; border-radius: 8px; padding: 15px; margin-bottom: 10px;}
    .header-image {display: block; margin: 0 auto; max-width: 120px; margin-bottom: 10px;}
    .assistant-message {border-left: 3px solid #ffd700 !important; background-color: #fffdf7 !important;}
    .user-message {background-color: #f5f5f5 !important; border-left: 3px solid #6c757d !important;}
""") as demo:
    
    gr.HTML("""
    <div style="text-align: center; margin-bottom: 20px;">
        <img src="https://i.imgur.com/UGwNbsT.png" alt="Tucano Voraz Logo" class="header-image">
        <h1 style="margin-top: 5px; margin-bottom: 10px;">Tucano Voraz</h1>
        <h3 style="margin-top: 0; color: #666;">Sistema de Anonimização e Remoção de Dados Sensíveis</h3>
        <p>by <a href="mailto:[email protected]">Arthur Souza Rodrigues</a></p>
    </div>
    """)
    
    with gr.Row():
        with gr.Column(scale=2):
            gr.Markdown("""
            ## Sobre o Projeto
            
            **Tucano Voraz** é uma ferramenta de anonimização de texto projetada para identificar e remover
            informações pessoais sensíveis (PII) de documentos em português. Em um mundo onde vazamentos
            de dados são cada vez mais comuns, proteger informações pessoais tornou-se essencial.
            
            ### Como Funciona:
            
            1. Cole seu texto contendo dados sensíveis
            2. O modelo identificará automaticamente PIIs
            3. Receberá o texto com os dados sensíveis substituídos por tags
            
            ### Aplicações:
            
            - Conformidade com LGPD e regulamentos de privacidade
            - Compartilhamento seguro de documentos
            - Preparação de dados para processamento por terceiros
            - Publicação de documentos em ambientes públicos
            """)
            
            with gr.Accordion("📋 Tipos de Dados Sensíveis Detectados", open=False):
                pii_html = "<div class='pii-table'><div style='display: grid; grid-template-columns: repeat(auto-fill, minmax(350px, 1fr)); gap: 10px;'>"
                
                for pii in pii_types:
                    pii_html += f"""
                    <div class='pii-card'>
                        <h4 style='margin-top: 0; margin-bottom: 5px;'>{pii['name']}</h4>
                        <div style='color: #666; font-size: 0.9em; margin-bottom: 5px;'>Tag: <code>{pii['tag']}</code></div>
                        <div style='font-size: 0.85em;'>Exemplo: <code>{pii['example']}</code></div>
                    </div>
                    """
                
                pii_html += "</div></div>"
                gr.HTML(pii_html)
        
    chat_interface = gr.ChatInterface(
        fn=predict,
        type="messages",
        examples=examples,
        title="",
        chatbot=gr.Chatbot(
            height=500,
            bubble_full_width=False,
            show_share_button=True,
            show_copy_button=True,
            layout="bubble",
            avatar_images=(None, "https://i.imgur.com/Ptd2AoL.png")
        ),
        textbox=gr.Textbox(
            placeholder="Insira seu texto para anonimização...",
            lines=3,
            max_lines=10,
            show_copy_button=True,
            container=False,
            scale=7
        )
    )
    
    gr.HTML("""
    <div class="footer">
        <p>🔒 Todos os dados são processados localmente - não armazenamos textos ou dados sensíveis</p>
        <p>Siga o desenvolvimento: <a href="https://www.linkedin.com/in/arthrod/detail/recent-activity/" target="_blank">LinkedIn</a> | Desenvolvido com ❤️ usando Gradio e HuggingFace</p>
    </div>
    """)

# Launch the app
if __name__ == "__main__":
    demo.launch()