Update app.py

app.py

@@ -1,26 +1,16 @@
 import gradio as gr
-from transformers import Pipeline
 
-pipe = Pipeline("Classification", model="hedtorresca/Multilingual-MiniLM-L12-H384-fine-tunning2")
+from transformers import pipeline
 
-# Definir la función de inferencia
-def classify_message(ues_detallada, medio_de_comunicacion, asunto_o_copy):
-    combined = f"{ues_detallada} por {medio_de_comunicacion}. {asunto_o_copy}"
-    prediction = pipe(combined)
-    return "Comercial" if prediction[0]['label'] == 'LABEL_0' else "Informativo"
+pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-en-es")
 
-# Crear la interfaz de Gradio
-iface = gr.Interface(
-    fn=classify_message,
-    inputs=[
-        gr.inputs.Dropdown(["Unidad de Negocio 1", "Unidad de Negocio 2", "Unidad de Negocio 3"], label="Unidad de Negocio"),
-        gr.inputs.Radio(["Correo", "SMS"], label="Canal de Comunicación"),
-        gr.inputs.Textbox(lines=2, placeholder="Escribe el asunto o copy del mensaje aquí...", label="Asunto o Copy")
-    ],
-    outputs="text",
-    title="Clasificador de Campañas",
-    description="Selecciona una unidad de negocio, un canal de comunicación y escribe un mensaje para clasificar si es comercial o informativo."
+def predict(text):
+  return pipe(text)[0]["translation_text"]
+
+demo = gr.Interface(
+  fn=predict,
+  inputs='text',
+  outputs='text',
 )
 
-# Lanzar la interfaz
-iface.launch()
+demo.launch()