import gradio as gr
from transformers import AutoModelForSequenceClassification, AutoTokenizer
import torch

# Carregando o modelo e o tokenizador
model_name = "xlm-roberta-base"
model = AutoModelForSequenceClassification.from_pretrained(model_name, num_labels=3)
tokenizer = AutoTokenizer.from_pretrained(model_name)

# Função para análise do texto bíblico
def analisar_texto_biblico(texto):
    inputs = tokenizer(texto, return_tensors="pt", truncation=True, max_length=512)
    outputs = model(**inputs)
    probabilities = torch.nn.functional.softmax(outputs.logits, dim=-1)
    predictions = torch.argmax(probabilities, dim=-1)
    
    labels = ["Antigo Testamento", "Novo Testamento", "Não Bíblico"]
    resultado = labels[predictions.item()]
    confianca = probabilities[0][predictions.item()].item()
    
    return f"Classificação: {resultado}\nConfiança: {confianca:.2f}"

# Interface Gradio
iface = gr.Interface(
    fn=analisar_texto_biblico,
    inputs=gr.Textbox(lines=5, label="Texto Bíblico"),
    outputs=gr.Textbox(label="Análise"),
    title="Análise de Texto Bíblico com XLM-RoBERTa",
    description="Digite um trecho bíblico para análise."
)

# Lançar a interface
iface.launch()