app.py

import gradio as gr
from transformers import AutoModelForSeq2SeqLM, AutoTokenizer
import torch

# Cargar el modelo y tokenizador directamente en lugar de usar pipeline
model_name = "projecte-aina/aina-translator-es-ast"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSeq2SeqLM.from_pretrained(model_name)

def translate_text(text):
    """
    Traduce texto del español al asturiano
    """
    try:
        if not text:
            return ""
        
        # Tokenizar el texto
        inputs = tokenizer(text, return_tensors="pt", padding=True, truncation=True, max_length=512)
        
        # Generar traducción
        outputs = model.generate(**inputs, max_length=512)
        
        # Decodificar la traducción
        translation = tokenizer.decode(outputs[0], skip_special_tokens=True)
        
        print(f"Texto original: {text}")  # Debug
        print(f"Traducción: {translation}")  # Debug
        
        return translation
    
    except Exception as e:
        print(f"Error durante la traducción: {str(e)}")  # Debug
        return f"Error en la traducción: {str(e)}"

# Crear la interfaz Gradio
demo = gr.Interface(
    fn=translate_text,
    inputs=gr.Textbox(label="Texto en español", placeholder="Escribe aquí el texto a traducir..."),
    outputs=gr.Textbox(label="Traducción al asturiano"),
    title="Traductor Español-Asturiano",
    description="Traductor basado en el modelo AINA para traducir del español al asturiano.",
    examples=[
        ["Hola, ¿cómo jjjestás?"],
        ["Me gusta mucho Asturias y su cultura"],
        ["El cielo está muy azul hoy"]
    ]
)

# Lanzar la aplicación
if __name__ == "__main__":
    demo.launch(debug=True)