import gradio as gr
from transformers import AutoModelForCausalLM, AutoTokenizer

# LLaMA 3.3 8B Modell und Tokenizer laden
model_name = "meta-llama/Llama-3.3-8B"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    device_map=None,  # Keine GPU-Zuweisung
    torch_dtype="float32"  # Float32 für CPU
)

# Funktion für die Textgenerierung
def generate_response(prompt):
    inputs = tokenizer(prompt, return_tensors="pt", truncation=True)
    outputs = model.generate(inputs["input_ids"], max_length=200, num_beams=5, early_stopping=True)
    return tokenizer.decode(outputs[0], skip_special_tokens=True)

# Gradio-Interface erstellen
interface = gr.Interface(
    fn=generate_response,
    inputs="text",
    outputs="text",
    title="LLaMA 3.3 8B Text Generator (CPU)",
    description="Gib einen Text ein, und LLaMA 3.3 8B generiert eine Antwort."
)

# App starten
if __name__ == "__main__":
    interface.launch()