app.py

from transformers import pipeline
import gradio as gr
import os
import spaces

# Charger le modèle GPT de Hugging Face
model_id = "deepseek-ai/deepseek-llm-7b-chat"
pipe = pipeline("text-generation", model=model_id)

# Consigne que le modèle suivra pour chaque chat
system_message = "You are a feeling analyzer."

@spaces.GPU
# Fonction pour générer une réponse à partir du message de l'utilisateur
def generate_response(user_message, history):
    try:
        # Ajouter le message système au début de l'historique des messages
        messages = [{"role": "system", "content": system_message}] + [{"role": "user", "content": user_message}]
        
        # Créer une chaîne de caractères représentant la conversation
        conversation_text = system_message + "\n"
        for past_user_input, past_bot_response in history:
            conversation_text += f"User: {past_user_input}\nAssistant: {past_bot_response}\n"
        
        # Ajouter le nouveau message de l'utilisateur
        conversation_text += f"User: {user_message}\n"
        
        # Générer une réponse
        result = pipe(conversation_text, max_new_tokens=150)
        response = result[0]['generated_text'].split("User: ")[-1].strip()  # Extraire la réponse générée
        
        # Mettre à jour l'historique
        history.append((user_message, response))
        return history, response
    except Exception as e:
        # En cas d'erreur, retourner l'historique inchangé et un message d'erreur
        return history, f"Error: {str(e)}"

# Configurer et lancer l'interface de chat avec Gradio
iface = gr.Interface(
    fn=generate_response,
    inputs=["text", "state"],
    outputs=["state", "text"],
    live=True,
)

iface.launch()