Create app.py

app.py

@@ -0,0 +1,34 @@
+# Importa a biblioteca Gradio para criação de interfaces gráficas interativas e a biblioteca transformers para carregamento do modelo
+import gradio as gr
+from transformers import pipeline
+
+# Define a função que processa o texto e retorna a nota da redação
+def mostrar_resultado(texto):
+    # Verifica se o texto possui pelo menos 400 caracteres
+    if len(texto) < 400:
+        return 'O texto precisa ter no mínimo 400 caracteres'
+    
+    # Realiza a classificação e converte o rótulo em uma nota de 0 a 1000
+    nota = int(classificador(texto)[0]['label']) * 10  # Multiplica por 10 para ajustar ao valor de 0 a 1000
+    return nota
+
+# Inicializa o pipeline de classificação de texto com o modelo específico no Hugging Face
+classificador = pipeline(
+    'text-classification', 
+    model='adrianoL/distilbert-pt-cased-redacao-nota-modelo',  # Nome do modelo customizado
+    framework='tf'  # Define o uso do TensorFlow
+)
+
+# Cria a interface gráfica com Gradio
+app = gr.Interface(
+    fn=mostrar_resultado,  # Função que será chamada ao clicar no botão
+    inputs=gr.Textbox(label='Digite o texto'),  # Entrada de texto para o usuário
+    outputs=gr.Textbox(label='Nota da redação'),  # Saída com a nota gerada pelo modelo
+    title='Insira um texto para receber uma nota entre 0 e 1000'  # Título da interface
+)
+
+# Lança a aplicação em um servidor local
+if __name__ == "__main__":
+    app.launch(share=True)
+
+