app.py

import torch
import gradio as gr
from transformers import T5Tokenizer, T5ForConditionalGeneration

# Definição do modelo e tokenizer
TOKENIZER_NAME = "unicamp-dl/ptt5-base-portuguese-vocab"
MODEL_NAME = "recogna-nlp/ptt5-base-summ-wikilingua"

# Carregar tokenizer e modelo
tokenizer = T5Tokenizer.from_pretrained(TOKENIZER_NAME)
model = T5ForConditionalGeneration.from_pretrained(MODEL_NAME)

# Configuração do tamanho do resumo
TARGET_LENGTH = 256
MARGIN = 6
MIN_LENGTH = TARGET_LENGTH - MARGIN
MAX_LENGTH = TARGET_LENGTH + MARGIN
MAX_ATTEMPTS = 5


def summarize_text(text):
    """
    Gera um resumo do texto dentro da faixa desejada (250 a 262 caracteres).
    Se não atingir esse intervalo, ajusta proporcionalmente até 3 tentativas.
    """
    adjusted_target_length = TARGET_LENGTH
    best_summary = ""
    best_distance = float("inf")

    for _ in range(MAX_ATTEMPTS):
        # Tokeniza o texto
        inputs = tokenizer(text, return_tensors="pt", max_length=512, truncation=True)

        # Gera o resumo
        summary_ids = model.generate(
            **inputs,
            max_length=adjusted_target_length,
            min_length=32,
            num_beams=5,
            no_repeat_ngram_size=3,
            early_stopping=True,
        )
        summary = tokenizer.decode(summary_ids[0], skip_special_tokens=True)

        # Calcula o tamanho do resumo e o erro percentual
        summary_length = len(summary)
        distance = abs(TARGET_LENGTH - summary_length)

        # Armazena o melhor resumo encontrado
        if distance < best_distance:
            best_summary = summary
            best_distance = distance

        # Se estiver dentro do intervalo aceitável, retorna o resultado
        if MIN_LENGTH <= summary_length <= MAX_LENGTH:
            return summary

        # Ajuste proporcional ao erro
        error_percent = (summary_length - TARGET_LENGTH) / TARGET_LENGTH
        adjustment = int(adjusted_target_length * error_percent)  # Ajuste proporcional
        adjusted_target_length -= adjustment  # Corrige o tamanho do resumo

    # Se não conseguiu atingir o intervalo, retorna o melhor resultado encontrado
    return best_summary


# Criando a interface Gradio
interface = gr.Interface(
    fn=summarize_text,
    inputs=gr.Textbox(label="Texto de Entrada", lines=10, placeholder="Digite ou cole seu texto aqui..."),
    outputs=gr.Textbox(label="Resumo Gerado"),
    title="Resumidor de Textos com PTT5-SUMM-WIKILINGUA",
    description="Insira um texto e receba um resumo dentro do intervalo de 250 a 262 caracteres.",
)

if __name__=="__main__":
    interface.launch(share=True)