Update app.py

app.py

@@ -1,19 +1,19 @@
 import gradio as gr
 from transformers import pipeline, T5Tokenizer, T5ForConditionalGeneration
-import os
 import requests
+import os
 
-# Configura tu token de Hugging Face directamente aquí
+# Cargar el token de Hugging Face del secreto configurado en el espacio
 token = os.getenv("HF_TOKEN")
 if not token:
-    raise ValueError("El token no se configuró. Asegúrate de ingresarlo correctamente.")
+    raise ValueError("El token no se configuró correctamente en las variables de entorno del Espacio.")
 
 # Configuración de los headers para la API con el token
 API_URL = "https://api-inference.huggingface.co/models/Helsinki-NLP/opus-mt-en-es"
 headers = {"Authorization": f"Bearer {token}"}
 
 # Cargar el modelo y el tokenizador de resumen
-tokenizer = T5Tokenizer.from_pretrained("sumedh/t5-base-amazonreviews", clean_up_tokenization_spaces=True)
+tokenizer = T5Tokenizer.from_pretrained("sumedh/t5-base-amazonreviews", clean_up_tokenization_spaces=True, legacy=False)
 model = T5ForConditionalGeneration.from_pretrained("sumedh/t5-base-amazonreviews")
 summarizer = pipeline("summarization", model=model, tokenizer=tokenizer)
 
@@ -39,18 +39,5 @@ demo = gr.Interface(
     outputs="text"
 )
 
-# Probar el token en una solicitud simple para verificar su validez
-def test_translation_api():
-    test_response = requests.post(API_URL, headers=headers, json={"inputs": "Hello, how are you?"})
-    response_data = test_response.json()
-    
-    # Comprobar si hay errores en la respuesta
-    if 'error' in response_data:
-        raise ValueError(f"Error en la API de traducción: {response_data['error']}")
-    print("Token válido y API accesible. Respuesta de prueba:", response_data)
-
-# Ejecutar la prueba de token
-test_translation_api()
-
 # Lanzar la interfaz
-demo.launch()
+demo.launch()