from transformers import pipeline
import gradio as gr

# Utiliza el pipeline de HuggingFace para cargar el modelo cardiffnlp/twitter-roberta-base-sentiment.
classifier = pipeline("sentiment-analysis", model="cardiffnlp/twitter-roberta-base-sentiment")

# Define una función que reciba un texto y devuelva la etiqueta del análisis de sentimiento (por ejemplo, “positivo”, “neutral” o “negativo” o 
# la escala que ofrezca el modelo).
def analizar_sentimiento(texto):
    resultado = classifier(texto)
    label = resultado[0]["label"]
    nivel_sentimiento = resultado[0]["score"]
    
    etiquetas_sentimiento = {
        "LABEL_0": "negativo",
        "LABEL_1": "neutral",
        "LABEL_2": "positivo"
    }
    
    sentimiento = etiquetas_sentimiento.get(label, label)
    return f"{sentimiento} (score: {nivel_sentimiento:.2f})"

# Crea la interfaz de usuario con Gradio, permitiendo la entrada de textos (mínimo 5 líneas) y mostrando el resultado del análisis.
demo = gr.Interface(
    fn=analizar_sentimiento,
    inputs=gr.Textbox(lines=5, placeholder="Escribe un texto en español aquí..."),
    outputs="text",
    title="Análisis de Sentimientos en Español",
    description="Introduce un texto en español y obtén el sentimiento analizado (calificación de 1 a 5 estrellas) por un modelo preentrenado."
)

# Lanzamos la aplicación
demo.launch()