Spaces:
Sleeping
Sleeping
File size: 2,774 Bytes
7e16596 c9e6f14 0aaced8 6cd6e80 c9e6f14 6cd6e80 c9e6f14 6cd6e80 ad81ace 7e16596 6cd6e80 0aaced8 897683b ad81ace 0aaced8 7e16596 a23057c ad81ace 897683b ad81ace 0aaced8 6cd6e80 c9e6f14 a23057c c9e6f14 a23057c a7b0235 ad81ace a23057c 7e16596 6cd6e80 7e16596 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 |
import gradio as gr
from sentiment import analyze_sentiment
# 📌 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"
}
# 📌 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（%）**。
## 📌 **使用方式**
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（預設為 `XLM-RoBERTa`）**
3️⃣ **點擊「分析情緒」**
4️⃣ **查看結果，包括情緒分類 & 信心度**
"""
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(value="", visible=False, label="模型載入進度")
result_output = gr.Markdown(label="分析結果")
# 📌 綁定按鈕功能
def process_analysis(text, model_name):
model_id = MODEL_OPTIONS[model_name]
# **當使用者切換模型時，顯示進度條**
if model_id != analyze_sentiment.CURRENT_MODEL:
progress_bar.update("🔄 AI 模型載入中，請稍後...", visible=True)
# 📌 調用 API 進行分析
result, _ = analyze_sentiment(text, model_id)
# **確保進度條消失**
progress_bar.update("", visible=False)
return result
# 📌 **修正 Gradio 事件綁定，確保所有輸入 & 輸出正確**
analyze_button.click(
fn=process_analysis,
inputs=[text_input, model_selector],
outputs=[result_output, progress_bar]
)
gr.Markdown(developer_info)
return iface
|