app.py

import gradio as gr
import tensorflow as tf
import numpy as np

# ----------------------------------------------------
# ЗАГРУЗКА МОДЕЛИ
# ----------------------------------------------------
# Предполагается, что модель сохранена в папке "model"
model = tf.keras.models.load_model("model")

# Если вы использовали токенизатор (например Keras Tokenizer),
# загрузите его из pickle
import pickle
with open("tokenizer.pkl", "rb") as f:
    tokenizer = pickle.load(f)

# Метки классов
EMOTIONS = ["neutral", "joy", "sadness", "anger", "fear", "surprise"]  
# поменяйте на свои реальные метки


# ----------------------------------------------------
# ФУНКЦИЯ ПРЕДСКАЗАНИЯ
# ----------------------------------------------------
def predict(text):
    # Преобразуем текст в sequence
    seq = tokenizer.texts_to_sequences([text])

    # Паддинг — на ту длину, на которой обучалась модель
    padded = tf.keras.preprocessing.sequence.pad_sequences(seq, maxlen=100)  

    # Получаем предсказание
    preds = model.predict(padded)[0]

    # Находим класс
    emotion_idx = np.argmax(preds)
    emotion = EMOTIONS[emotion_idx]

    # Вернём все вероятности (удобно для вывода)
    return {EMOTIONS[i]: float(preds[i]) for i in range(len(EMOTIONS))}


# ----------------------------------------------------
# GRADIO UI
# ----------------------------------------------------
iface = gr.Interface(
    fn=predict,
    inputs=gr.Textbox(label="Введите текст"),
    outputs=gr.Label(num_top_classes=6, label="Эмоции"),
    title="Emotion Classification",
    description="Классификация эмоций по тексту с использованием Keras модели"
)

iface.launch()