# Installer les bibliothèques nécessaires
# !pip install transformers gradio

import gradio as gr
from transformers import pipeline

# Charger le pipeline de génération de texte
generator = pipeline("text-generation", model="gpt2")

# Fonction pour générer du texte à partir d'un prompt
def generate_text(prompt, max_length=50, num_return_sequences=3):
    generated_texts = generator(prompt, max_length=max_length, num_return_sequences=num_return_sequences)
    results = [text["generated_text"] for text in generated_texts]
    return "\n\n".join(results)

# Interface Gradio
with gr.Blocks() as demo:
    gr.Markdown("# Génération de texte avec Hugging Face GPT-2")
    
    with gr.Row():
        prompt_input = gr.Textbox(label="Texte d'entrée (prompt)", lines=2, placeholder="Saisissez votre texte ici")
        max_length_input = gr.Slider(label="Longueur maximale du texte", minimum=10, maximum=100, value=50)
        num_sequences_input = gr.Slider(label="Nombre de textes générés", minimum=1, maximum=5, value=3)
    
    generate_button = gr.Button("Générer du texte")
    output_text = gr.Textbox(label="Résultat", lines=10)
    
    generate_button.click(
        generate_text,
        inputs=[prompt_input, max_length_input, num_sequences_input],
        outputs=output_text
    )

# Lancer l'application
demo.launch()