Update app.py

app.py

@@ -1,16 +1,33 @@
-from transformers import AutoTokenizer, AutoModelForSequenceClassification
+from transformers import AutoTokenizer, AutoModelForSeq2SeqLM
 import gradio as gr
 
-model_name = "albert-base-v2"
+# Charger le modèle mT5-Small multilingue
+model_name = "google/mt5-small"
 tokenizer = AutoTokenizer.from_pretrained(model_name)
-model = AutoModelForSequenceClassification.from_pretrained(model_name)
+model = AutoModelForSeq2SeqLM.from_pretrained(model_name)
 
+# Définir la fonction du chatbot
 def chatbot(user_input):
-    inputs = tokenizer(user_input, return_tensors="pt")
-    outputs = model(**inputs)
-    response = outputs.logits.argmax(-1).item()
-    return f"Predicted response: {response}"
+    # Tokeniser l'entrée utilisateur
+    inputs = tokenizer(user_input, return_tensors="pt", max_length=128, truncation=True)
+    
+    # Générer une réponse avec le modèle
+    outputs = model.generate(inputs["input_ids"], max_length=50, num_beams=4, early_stopping=True)
+    
+    # Décoder la réponse générée
+    response = tokenizer.decode(outputs[0], skip_special_tokens=True).strip()
+    
+    # Retourner la réponse finale
+    return response
 
-demo = gr.Interface(fn=chatbot, inputs="text", outputs="text", title="ALBERT Chatbot")
+# Créer une interface Gradio pour tester le chatbot
+demo = gr.Interface(
+    fn=chatbot, 
+    inputs="text", 
+    outputs="text", 
+    title="Chatbot en français avec mT5-Small"
+)
+
+# Lancer l'application Gradio
 demo.launch()