ui.py

import gradio as gr
import matplotlib.pyplot as plt
from sentiment import analyze_sentiment

# 📌 定義可選擇的模型
MODEL_OPTIONS = {
    "🌎 多語言推特情緒分析 (XLM-RoBERTa)": "cardiffnlp/twitter-xlm-roberta-base-sentiment",
    "📖 多語言情緒分析 (BERT)": "nlptown/bert-base-multilingual-uncased-sentiment",
    "🇬🇧 英語情緒分析 (DistilBERT)": "distilbert-base-uncased-finetuned-sst-2-english"
}

# 📌 生成信心度條狀圖
def plot_confidence(score):
    fig, ax = plt.subplots(figsize=(4, 1))
    ax.barh(["信心度"], [score], color="blue")
    ax.set_xlim([0, 1])
    ax.set_xticks([0, 0.25, 0.5, 0.75, 1])
    ax.set_xlabel("信心度（百分比）")
    return fig

# 📌 Gradio 介面說明
intro_text = """
# 🎯 多語言情緒分析 AI
本應用使用 Hugging Face 的 `XLM-RoBERTa`、`BERT`、`DistilBERT` 模型來進行**多語言情緒分析**。  
輸入任何語言的文本，AI 會自動判斷其**情緒分類（正向 / 中立 / 負向）**，並提供**信心度（%）**。

## 🔹 **功能特色**
✅ **支援多語言**（繁體中文、英文、法文、日文等）  
✅ **即時分析**，不需下載模型  
✅ **提供信心度**，結果更透明  

## 📌 **如何使用**
1️⃣ **輸入一句話或一段文本**（可輸入中文、英文、日文等）  
2️⃣ **選擇 AI 模型**  
3️⃣ **點擊「分析情緒」**  
4️⃣ **查看結果，包括情緒分類 & 信心度**  

## ⚠️ **使用須知**
- 目前模型適合**一般文本**，但對**諷刺、幽默**等語句可能不準確。  
- 若遇到分析錯誤，請**重新輸入文本或稍後再試**。  
"""

developer_info = """
## 👨‍💻 開發資訊
- **開發者**: 余彦志 （大宇 / ian）
- **模型來源**: [Hugging Face](https://huggingface.co/cardiffnlp/twitter-xlm-roberta-base-sentiment)
- **技術棧**: `Gradio`、`FastAPI`、`Hugging Face API`
- **聯絡方式**: [[email protected]]
"""

# 📌 建立 Gradio 介面
def create_ui():
    with gr.Blocks(theme=gr.themes.Soft()) as iface:
        gr.Markdown(intro_text)

        text_input = gr.Textbox(lines=3, placeholder="請輸入文本...", label="輸入文本")

        model_selector = gr.Dropdown(choices=list(MODEL_OPTIONS.keys()), value="🌎 多語言推特情緒分析 (XLM-RoBERTa)", label="選擇 AI 模型")

        analyze_button = gr.Button("分析情緒")
        progress_bar = gr.Textbox(visible=False, label="模型載入進度")  # 進度條（文字顯示）

        result_output = gr.Markdown(label="分析結果")
        plot_output = gr.Plot(label="信心度")

        # 📌 綁定按鈕功能
        def process_analysis(text, model_name):
            progress_bar.update("🔄 AI 模型載入中，請稍後...", visible=True)
            model_id = MODEL_OPTIONS[model_name]
            
            result, confidence_score = analyze_sentiment(text, model_id)
            
            plot = plot_confidence(confidence_score)
            progress_bar.update("", visible=False)
            return result, plot

        analyze_button.click(process_analysis, inputs=[text_input, model_selector], outputs=[result_output, plot_output, progress_bar])

        gr.Markdown(developer_info)

    return iface