Update app.py

app.py

@@ -1,67 +1,45 @@
 from transformers import pipeline
+from deep_translator import GoogleTranslator
 import gradio as gr
 
-# Load multilingual model better suited for Spanish to English analysis
-model_name = "cardiffnlp/twitter-xlm-roberta-base-sentiment"
-sentiment_pipeline = pipeline("sentiment-analysis", model=model_name, tokenizer=model_name)
+modelo_sentimientos = pipeline("sentiment-analysis", model="cardiffnlp/twitter-roberta-base-sentiment")
 
-def analyze_sentiment(text):
+def analizar_sentimiento(texto):
     try:
-        # Get sentiment prediction
-        result = sentiment_pipeline(text)
+        if detectar_idioma(texto) == 'es':
+            texto_traducido = GoogleTranslator(source='auto', target='en').translate(texto)
+        else:
+            texto_traducido = texto
         
-        # Extract raw results
-        label = result[0]['label']
-        score = result[0]['score']
+        resultado = modelo_sentimientos(texto_traducido)
+        etiqueta = resultado[0]['label']
+        confianza = resultado[0]['score']
         
-        # Define mapping to English outputs
-        label_map = {
-            'LABEL_0': 'Negative',
+        mapa_etiquetas = {
+            'LABEL_0': 'Negativo',
             'LABEL_1': 'Neutral',
-            'LABEL_2': 'Positive'
-        }
-        
-        # Enhanced output format with emojis
-        emoji_map = {
-            'Negative': "🔴",
-            'Neutral': "🟡", 
-            'Positive': "🟢"
+            'LABEL_2': 'Positivo'
         }
         
-        english_label = label_map[label]
-        
-        # More nuanced classification rules
-        if score < 0.6:
-            confidence_desc = "Low confidence"
-        elif score < 0.8:
-            confidence_desc = "Moderate confidence"
-        else:
-            confidence_desc = "High confidence"
-        
-        return f"{emoji_map[english_label]} {english_label} ({confidence_desc}: {score:.2f})"
+        return f"Sentimiento: {mapa_etiquetas[etiqueta]} (Confianza: {confianza:.2f})\nTexto analizado: '{texto_traducido}'"
     
     except Exception as e:
-        return f"Error analyzing text: {str(e)}"
+        return f"Error: {str(e)}"
+
+def detectar_idioma(texto):
+    caracteres_es = set('áéíóúñü¿¡')
+    if any(caracter in texto.lower() for caracter in caracteres_es):
+        return 'es'
+    return 'en'
 
-# Create Gradio interface
-demo = gr.Interface(
-    fn=analyze_sentiment,
-    inputs=gr.Textbox(
-        lines=5,
-        placeholder="Enter Spanish or English text here...",
-        label="Text to Analyze"
-    ),
+# Interfaz Gradio
+interfaz = gr.Interface(
+    fn=analizar_sentimiento,
+    inputs=gr.Textbox(lines=5, placeholder="Escribe tu texto en español aquí..."),
     outputs="text",
-    title="Multilingual Sentiment Analysis",
-    description="""Analyzes sentiment of Spanish/English text using XLM-RoBERTa model. 
-    Outputs: Negative 🔴, Neutral 🟡, or Positive 🟢 with confidence level.""",
-    examples=[
-        ["Te odio con toda mi alma"],
-        ["Estoy muy feliz hoy"],
-        ["The service was average"],
-        ["This product is amazing!"]
-    ],
-    theme="soft"
+    title="Traductor y Analizador de Sentimientos",
+    description="""Sistema que traduce textos en español a inglés y analiza su sentimiento.
+    Ejemplos válidos: 'Me encanta este lugar', 'Odio cuando esto pasa'"""
 )
 
-demo.launch()
+interfaz.launch()