ui.py

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