Update app.py

app.py

@@ -1,60 +1,45 @@
 from transformers import pipeline
 
-# Функция для авторизации и загрузки моделей
-def authenticate(api_key):
-    # Здесь предполагается, что api_key используется для каких-то целей авторизации, если нужно
-    # Например, вы можете проверить токен перед загрузкой моделей.
-    # Но в данном примере токен не используется.
+class TextProcessor:
+    """
+    Класс для обработки текста с использованием моделей GPT-Neo, T5 и BERT.
+    """
+    def __init__(self, api_key=None):
+        """
+        Инициализирует объект TextProcessor.
+        """
+        self.api_key = api_key
+        self.model_gpt = pipeline("text-generation", model="EleutherAI/gpt-neo-125M")
+        self.model_t5 = pipeline("text2text-generation", model="t5-base")
+        self.model_bert = pipeline("fill-mask", model="bert-base-uncased")
 
-    # Загрузка модели GPT-Neo для генерации текста
-    model_gpt = pipeline("text-generation", model="EleutherAI/gpt-neo-125M")
-    
-    # Загрузка модели T5 для задач text-to-text (перевод, резюмирование и т.д.)
-    model_t5 = pipeline("text2text-generation", model="t5-base")
-    
-    # Загрузка модели BERT для задачи заполнения пропусков
-    model_bert = pipeline("fill-mask", model="bert-base-uncased")
-    
-    return model_gpt, model_t5, model_bert
-
-# Функция для обработки текста с использованием всех трех моделей
-def process_step(step, text, api_key):
-    # Авторизация и загрузка моделей
-    model_gpt, model_t5, model_bert = authenticate(api_key)
-    
-    # Применение различных моделей по очереди в зависимости от шага
-    if step == 1:
-        # Пример генерации текста с помощью GPT-Neo
-        gpt_result = model_gpt(text, max_length=100)
-        return gpt_result
-    elif step == 2:
-        # Пример генерации текста с помощью T5 (например, для резюмирования)
-        t5_result = model_t5(text)
-        return t5_result
-    elif step == 3:
-        # Пример заполнения пропусков с помощью BERT
-        bert_result = model_bert(text)
-        return bert_result
-    else:
-        return "Unknown step"
+    def process_text(self, step, text):
+        """
+        Обрабатывает текст с использованием выбранной модели.
+        """
+        if step == 1:
+            # Пример генерации текста с помощью GPT-Neo
+            gpt_result = self.model_gpt(text, max_length=100)
+            return gpt_result
+        elif step == 2:
+            # Пример генерации текста с помощью T5 (например, для резюмирования)
+            t5_result = self.model_t5(text)
+            return t5_result
+        elif step == 3:
+            # Пример заполнения пропусков с помощью BERT
+            bert_result = self.model_bert(text)
+            return bert_result
+        else:
+            return "Unknown step"
 
 # Пример использования
 if __name__ == "__main__":
     api_key = "your_api_key_here"  # Здесь укажите свой API-ключ, если необходимо
 
     text_input = "Your text input here."  # Ваш текст для анализа
-    
-    # Пример: шаг 1 — использование GPT-Neo
-    step = 1
-    result = process_step(step, text_input, api_key)
-    print(f"Result from step {step}: {result}")
-    
-    # Пример: шаг 2 — использование T5
-    step = 2
-    result = process_step(step, text_input, api_key)
-    print(f"Result from step {step}: {result}")
-    
-    # Пример: шаг 3 — использование BERT
-    step = 3
-    result = process_step(step, text_input, api_key)
-    print(f"Result from step {step}: {result}")
+
+    processor = TextProcessor(api_key)
+
+    for step in range(1, 4):  # Проходим по шагам с 1 до 3
+        result = processor.process_text(step, text_input)
+        print(f"Result from step {step}: {result}")