| import gradio as gr | |
| title = "RoBERTa, tengo una pregunta" | |
| description = "Modelo tipo RoBERTa pre-entrenado por BSC-TeMU con la base de datos de la Bibliotecha Nacional de España y fine-tuned con el corpus SQAC (Spanish Question-Answering Corpus)." | |
| examples = [ | |
| ["¡Hola, mundo! Somos NLP en ES 🤗 la comunidad de hispanohablantes de la iniciativa “Languages at HuggingFace” y queremos democratizar el NLP en nuestro idioma. Somos una red internacional y nuestro objetivo es crear y compartir recursos que posibiliten y aceleren el avance del NLP en español.", "¿Quiénes somos?"] | |
| ] | |
| article = """ | |
| <p style="text-align: center"> | |
| NLP en ES 🤗 | <a target=”_blank” href="https://nlp-en-es.org"> nlp-en-es.org </a> | |
| </p> | |
| """ | |
| gr.Interface.load( | |
| name="huggingface/nlp-en-es/roberta-base-bne-finetuned-sqac", | |
| inputs=[gr.inputs.Textbox(label="Contexto", lines=5), gr.inputs.Textbox(label="Pregunta")], | |
| outputs=gr.outputs.Textbox(label="Respuesta"), | |
| title=title, | |
| description=description, | |
| article=article, | |
| examples=examples, | |
| theme="huggingface", | |
| allow_screenshot=True, | |
| allow_flagging=True, | |
| flagging_dir="flagged", | |
| enable_queue=True | |
| ).launch() |