Update app.py

app.py

@@ -1,20 +1,8 @@
 import gradio as gr
 from transformers import pipeline
-from huggingface_hub import login  # Добавим импорт для login
+from huggingface_hub import login
 
-# Функция для авторизации
-def authenticate(api_key):
-    # Авторизация через API-ключ
-    login(token=api_key)
-
-    # Загружаем модель для анализа текста
-    analyzer = pipeline("text-generation", model="gpt-2")
-
-    # Возвращаем успешное сообщение
-    return "Успешно авторизованы с использованием ключа!"
-
-
-# Список пунктов
+# Список методов, которые будут применяться к введенному тексту
 steps = [
     "Деконструкция чужих мыслей",
     "Работа с парадоксами",
@@ -60,28 +48,49 @@ steps = [
     "Интервью с вещами"
 ]
 
-# Функция обработки одного шага
-def process_step(step):
-    response = analyzer(f"Ответ на шаг: {step}")
-    return response[0]['generated_text']  # Извлекаем только текст
+# Функция для авторизации и загрузки моделей
+def authenticate(api_key):
+    login(token=api_key)  # Авторизация через API-ключ
+    # Загрузка различных моделей
+    model_gpt = pipeline("text-generation", model="EleutherAI/gpt-neo-2.7B")  # GPT-Neo
+    model_t5 = pipeline("text-to-text-generation", model="t5-base")  # T5
+    model_bert = pipeline("fill-mask", model="bert-base-uncased")  # BERT, для анализа текста
+    return model_gpt, model_t5, model_bert
+
+# Функция обработки одного шага с использованием всех моделей
+def process_step(step, text, api_key):
+    # Получаем все модели после авторизации
+    model_gpt, model_t5, model_bert = authenticate(api_key)
+
+    # Результаты генерации для GPT-neo
+    gpt_response = model_gpt(f"{step}: {text}")
+    gpt_result = gpt_response[0]['generated_text']
+
+    # Результаты генерации для T5
+    t5_response = model_t5(f"{step}: {text}")
+    t5_result = t5_response[0]['generated_text']
+
+    # Результаты для BERT (заполнение маски, использование в контексте анализа)
+    mask_response = model_bert(f"{step}: {text} [MASK]")
+    bert_result = mask_response[0]['sequence']
 
-# Функция для обработки всех шагов
-def process_all_steps(api_key):
-    authenticate(api_key)  # Авторизация с API-ключом
+    return gpt_result, t5_result, bert_result
 
+# Функция для обработки всех шагов и сравнения моделей
+def process_all_steps(text, api_key):
     all_responses = []
     for step in steps:
-        response = process_step(step)
-        all_responses.append(f"Шаг: {step}\nОтвет: {response}")
+        gpt_result, t5_result, bert_result = process_step(step, text, api_key)
+        all_responses.append(f"Шаг: {step}\nGPT-NEO: {gpt_result}\nT5: {t5_result}\nBERT: {bert_result}")
     return "\n\n".join(all_responses)
 
 # Интерфейс для отображения результата
 interface = gr.Interface(
     fn=process_all_steps,
-    inputs=gr.Textbox(label="Введите API-ключ Hugging Face"),  # Исправлено: добавлена запятая
+    inputs=[gr.Textbox(label="Введите текст для анализа"), gr.Textbox(label="Введите API-ключ Hugging Face")],
     outputs="text",
-    title="Обработка 50 шагов",
-    description="Каждый шаг будет обработан по очереди, и вы получите итоговый результат."
+    title="Сравнение моделей для анализа текста",
+    description="Поочередное применение 50 методов анализа философских и психологических аспектов текста с использованием моделей GPT-NEO, T5 и BERT."
 )
 
 interface.launch()  # Запуск интерфейса