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):
    # 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

# 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()