import gradio as gr
from huggingface_hub import InferenceClient
from transformers import pipeline

title = "Generador y clasificador de coloquialismos cubanos"
description = "Genera texto con el dialecto cubano y detecta expresiones coloquiales cubanas."

article = """
## Modelo:
Se usa el somosnlp-hackathon-2026/patriae-cuban-dialect-model.

## Fine-tuning:
Se utilizó el dataset somosnlp-hackathon-2026/patriae-cuba-literature-dataset para hacer fine-tuning del modelo gia-uh/cecilia-2b-instruct-v1.

## Participantes del equipo Patriae en SomosNLP 2026:
* **Carlos Luis Barnés Infante (https://huggingface.co/blacknoize404)**
* **Yisel Clavel Quintero (https://huggingface.co/clavel)**
* **Dionis Lopez (https://huggingface.co/inoid)**
"""

# Cargar el modelo para clasificación
classifier = pipeline(
    "text-classification", 
    model='somosnlp-hackathon-2026/patriae-cuban-dialect-model'
)

def respond(message, history, system_message, max_tokens, temperature, top_p):
    """
    Función para generar respuestas usando el modelo de chat
    """
    # Usar el mismo modelo para generación (si es compatible)

    client = InferenceClient(
        model="somosnlp-hackathon-2026/patriae-cuban-dialect-model"
    )
    
    messages = [{"role": "system", "content": system_message}]
    messages.extend(history)
    messages.append({"role": "user", "content": message})
    
    response = ""
    try:
        for message in client.chat_completion(
            messages,
            max_tokens=max_tokens,
            stream=True,
            temperature=temperature,
            top_p=top_p,
        ):
            if message.choices and message.choices[0].delta.content:
                token = message.choices[0].delta.content
                response += token
                yield response
    except Exception as e:
        yield f"Error: {str(e)}"


def classify_text(text):
    """
    Función para clasificar texto y detectar coloquialismos cubanos
    """
    if not text or text.strip() == "":
        return "Por favor, ingresa un texto para clasificar."
    
    try:
        results = classifier(text)
        # Ordenar por score (de mayor a menor)
        results.sort(key=lambda x: x['score'], reverse=True)
        
        # Mostrar los 3 mejores resultados
        output = "### 📊 Resultados de clasificación:\n\n"
        for i, result in enumerate(results[:3], 1):
            label = result['label']
            score = result['score']
            output += f"{i}. **{label}**: {score:.2%}\n"
        
        return output
    except Exception as e:
        return f"❌ Error en clasificación: {str(e)}"

# Interfaz de Chat
chat_interface = gr.ChatInterface(
    respond,
    additional_inputs=[
        gr.Textbox(
            value="Eres un chatbot cubano que ayuda a entender y usar el dialecto cubano.",
            label="System message"
        ),
        gr.Slider(minimum=1, maximum=1024, value=150, step=1, label="Max new tokens"),
        gr.Slider(minimum=0.1, maximum=4.0, value=0.7, step=0.1, label="Temperature"),
        gr.Slider(
            minimum=0.1,
            maximum=1.0,
            value=0.95,
            step=0.05,
            label="Top-p (nucleus sampling)",
        ),
    ],
    title=title,
    description=description
)

# Interfaz de Clasificación
classifier_interface = gr.Interface(
    fn=classify_text,
    inputs=gr.Textbox(
        label="Texto a clasificar",
        placeholder="Escribe una frase en cubano...",
        lines=5
    ),
    outputs=gr.Markdown(label="Resultado"),
    title="🔍 Clasificador de coloquialismos cubanos",
    description="Detecta si un texto contiene expresiones coloquiales cubanas.",
    examples=[
        ["Nos marchábamos sin ti, creyendo que se te habían pegado las sábanas."],
        ["De Varadero venía para acá porque en su casa las broncas con el padre eran de ampanga."],
        ["Los pueblos que no se conocen han de darse prisa para conocerse, como quienes van a pelear juntos."],
    ],
    article=article  # ✅ article SÍ es válido para gr.Interface
)

# Combinar ambas interfaces en una sola app
with gr.Blocks(title=title) as demo:
    gr.Markdown(f"# {title}")
    gr.Markdown(description)
    
    with gr.Tab("🔍 Clasificador"):
        classifier_interface.render()
    
    with gr.Tab("💬 Chat (Beta)"):
        gr.Markdown("""
        ⚠️ **Función de chat en desarrollo**
        
        """)
        chat_interface.render()
    
    gr.Markdown(article)

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