modules/sentiment.py

# from transformers import pipeline
# import gradio as gr

# classifier = pipeline("sentiment-analysis", model="cardiffnlp/twitter-xlm-roberta-base-sentiment", framework="pt")

# def sentiment_analysis(message, history):
#     """
#     Función para analizar el sentimiento de un mensaje.
#     Retorna la etiqueta de sentimiento con su probabilidad.
#     """
#     result = classifier(message)
#     return f"Sentimiento : {result[0]['label']} (Probabilidad: {result[0]['score']:.2f})"

# with gr.Blocks() as demo:
#     gr.Markdown("""
#     # Análisis de Sentimientos
#     Esta aplicación utiliza un modelo de Machine Learning para analizar el sentimiento de los mensajes ingresados. 
#     Puede detectar si un texto es positivo, negativo o neutral con su respectiva probabilidad.
#     """)
    
#     chat = gr.ChatInterface(sentiment_analysis, type="messages")
    
#     gr.Markdown("""
#     ---
#     ### Conéctate conmigo:
#     [Instagram 📸](https://www.instagram.com/srjosueaaron/)
    
#     [TikTok 🎵](https://www.tiktok.com/@srjosueaaron)
    
#     [YouTube 🎬](https://www.youtube.com/@srjosueaaron)

#     ---
#     Demostración de Análisis de Sentimientos usando el modelo de [CardiffNLP](https://huggingface.co/cardiffnlp/twitter-xlm-roberta-base-sentiment).
    
#     Desarrollado con ❤️ por [@srjosueaaron](https://www.instagram.com/srjosueaaron/).
#     """)

# if __name__ == "__main__":
#     demo.launch()