app.py

import streamlit as st
from transformers import BartForConditionalGeneration, BartTokenizer

# Carga el modelo y el tokenizador en español
model_name = "facebook/bart-large-cnn"
model = BartForConditionalGeneration.from_pretrained(model_name)
tokenizer = BartTokenizer.from_pretrained(model_name)

# Interfaz de usuario de Streamlit
st.title("Generador de Resúmenes de Texto en Español")
text = st.text_area("Ingresa el texto que deseas resumir:")

# Agrega un campo de entrada para especificar la longitud del resumen
summary_length = st.number_input("Longitud del resumen (en palabras):", min_value=10, max_value=300, value=50)

if st.button("Generar Resumen"):
    if text:
        # Tokeniza el texto y genera el resumen con la longitud deseada
        input_ids = tokenizer.encode("summarize: " + text, return_tensors="pt", max_length=1024, truncation=True)
        summary_ids = model.generate(input_ids, max_length=summary_length, min_length=10, length_penalty=2.0, num_beams=4, early_stopping=True)

        # Decodifica y muestra el resumen en español
        summary = tokenizer.decode(summary_ids[0], skip_special_tokens=True)
        st.subheader("Resumen:")
        st.write(summary)
    else:
        st.warning("Por favor, ingresa un texto para resumir.")

st.write("Powered by Kuke Face Transformers")