init

app.py

@@ -1,34 +1,26 @@
 import streamlit as st
-import spacy
+from transformers import pipeline
 
-# Завантаження моделі
-try:
-    nlp = spacy.load("uk_core_news_sm")
-except OSError:
-    st.text("Завантаження моделі...")
-    spacy.cli.download("uk_core_news_sm")
-    nlp = spacy.load("uk_core_news_sm")
-st.text("Модель завантажена!")
+@st.cache_resource
+def load_model():
+    chatbot = pipeline("conversational", model="facebook/blenderbot-400M-distill")
+    return chatbot
 
-def process_text(text):
-    doc = nlp(text)
-    results = []
-    for ent in doc.ents:
-        results.append({"text": ent.text, "label": ent.label_})
-    return results
+st.title("Український Чат-бот")
 
-st.title("Розпізнавання іменованих сутностей (NER) українською мовою")
+if "history" not in st.session_state:
+    st.session_state.history = []
 
-text_input = st.text_area("Введіть текст для обробки:")
+user_input = st.text_input("Ви:", "")
 
-if st.button("Обробка тексту"):
-    if text_input:
-        results = process_text(text_input)
-        if results:
-            st.write("Результати:")
-            for result in results:
-                st.write(f"- {result['text']} ({result['label']})")
+if st.button("Надіслати"):
+    chatbot = load_model()
+    response = chatbot(st.session_state.history + [{"role": "user", "content": user_input}])
+    st.session_state.history.extend([{"role": "user", "content": user_input}, {"role": "assistant", "content": response.generated_responses[0]}])
+
+if st.session_state.history:
+    for message in st.session_state.history:
+        if message["role"] == "user":
+            st.write(f"Ви: {message['content']}")
         else:
-            st.write("Іменовані сутності не знайдено.")
-    else:
-        st.write("Будь ласка, введіть текст.")
+            st.write(f"Бот: {message['content']}")

requirements.txt

@@ -1,2 +1,3 @@
 streamlit
-spacy
+transformers
+torch