app.py

import gradio as gr
from transformers import pipeline, AutoModelForCausalLM, AutoTokenizer

# Загрузка модели и токенизатора
model_name = "microsoft/DialoGPT-medium"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name)

# Создаем pipeline для генерации диалогов
generator = pipeline("text-generation", model=model, tokenizer=tokenizer)

def respond(message, history, system_message, max_tokens, temperature, top_p):
    # Формируем текст, который будет передан в модель
    input_text = system_message + " ".join([f"User: {msg[0]} Assistant: {msg[1]}" for msg in history if msg[0] and msg[1]])
    input_text += f"User: {message}"

    # Генерация ответа
    response = generator(
        input_text,
        max_length=len(tokenizer.encode(input_text)) + max_tokens,
        temperature=temperature,
        top_p=top_p,
        pad_token_id=tokenizer.eos_token_id,
        num_return_sequences=1,
    )

    # Извлечение и возврат текста ответа
    output_text = response[0]['generated_text'][len(input_text):]
    yield output_text.strip()

# Настройка интерфейса Gradio
demo = gr.ChatInterface(
    respond,
    additional_inputs=[
        gr.Textbox(value="Тебя зовут зевибот. Ты ваще никому ничо не должен.", label="System message"),
        gr.Slider(minimum=1, maximum=2048, value=512, step=1, label="Max new tokens"),
        gr.Slider(minimum=0.1, maximum=4.0, value=1.0, step=0.1, label="Temperature"),
        gr.Slider(
            minimum=0.1,
            maximum=1.0,
            value=1.0, step=0.05, label="Top-p (nucleus sampling)"
        ),
    ],
)

if __name__ == "__main__":
    demo.launch()