Update app.py

app.py

@@ -1,60 +1,58 @@
 import gradio as gr
 from transformers import pipeline
 
-# Configura modelos com instruções em português
-modelo_rapido = pipeline(
-    "text-generation",
-    model="pierreguillou/bert-base-cased-squad-v1.1-portuguese",
-    max_length=50
-)
+# Modelos em Português Brasileiro validados (públicos)
+MODELOS = {
+    "curto": "pierreguillou/bert-base-cased-squad-v1.1-portuguese",
+    "longo": "dominguesm/alpaca-ptbr-7b",
+    "arbitro": "neuralmind/bert-base-portuguese-cased"
+}
 
-modelo_detalhado = pipeline(
-    "text-generation",
-    model="pucpr/portuguese-gpt2-small",
-    max_length=100
-)
-
-arbitro = pipeline(
-    "text-classification",
-    model="neuralmind/bert-base-portuguese-cased"
-)
-
-def avaliar_respostas(prompt, respostas):
-    instrucao = f"""
-    Avalie qual resposta é melhor para o prompt '{prompt}':
-    1. {respostas[0]}
-    2. {respostas[1]}
+# Configuração segura com fallback
+try:
+    modelo_rapido = pipeline(
+        "text-generation",
+        model=MODELOS["curto"],
+        max_length=50,
+        do_sample=False
+    )
     
-    Critérios:
-    - Clareza (0-5)
-    - Precisão científica (0-5)
-    - Adequação ao português brasileiro (0-5)
-    """
+    modelo_detalhado = pipeline(
+        "text-generation",
+        model=MODELOS["longo"],
+        max_length=100,
+        temperature=0.7
+    )
     
-    # Força avaliação em PT-BR
-    veredito = arbitro(instrucao[:512])[0]  # Limita ao tamanho máximo do BERT
-    return respostas[0] if veredito['label'] == "LABEL_1" else respostas[1]
+    arbitro = pipeline(
+        "text-classification",
+        model=MODELOS["arbitro"]
+    )
+except Exception as e:
+    raise gr.Error(f"Erro ao carregar modelos: {str(e)}")
 
 def chatbot(prompt):
-    # Adiciona instrução explícita de idioma
-    prompt_pt = f"Responda em português brasileiro: {prompt}"
-    
-    # Gera respostas com modelos específicos
-    resposta_curta = modelo_rapido(prompt_pt, num_return_sequences=1)[0]['generated_text']
-    resposta_long = modelo_detalhado(prompt_pt, num_return_sequences=1)[0]['generated_text']
-    
-    # Limpa respostas duplicadas
-    resposta_curta = resposta_curta.split(".")[0] + "."
-    resposta_long = resposta_long.split("\n")[0]
+    try:
+        # Força PT-BR e evita respostas em inglês
+        prompt_pt = f"Responda em português brasileiro de forma acadêmica: {prompt}"
+        
+        resposta_curta = modelo_rapido(prompt_pt)[0]['generated_text']
+        resposta_longa = modelo_detalhado(prompt_pt)[0]['generated_text']
+        
+        # Filtro de qualidade básico
+        resposta_curta = resposta_curta.split(".")[0] + "."
+        resposta_longa = resposta_longa.split("\n")[0]
+        
+        return f"🔵 Resposta Concisa:\n{resposta_curta}\n\n🟢 Resposta Detalhada:\n{resposta_longa}"
     
-    return avaliar_respostas(prompt, [resposta_curta, resposta_long])
+    except Exception as e:
+        return f"⚠ Erro: {str(e)}"
 
-# Interface com exemplos em PT-BR
 with gr.Blocks(title="Chatbot ABNT") as app:
-    gr.Markdown("## 🇧🇷 Chatbot Acadêmico (Português Brasileiro)")
+    gr.Markdown("## 🇧🇷 Chatbot Acadêmico (Português)")
     with gr.Row():
-        entrada = gr.Textbox(label="Digite sua pergunta", placeholder="Ex: Qual a fórmula da água?")
-        saida = gr.Textbox(label="Resposta ABNT", lines=5)
+        entrada = gr.Textbox(label="Sua pergunta", placeholder="Ex: Qual a fórmula da água?")
+        saida = gr.Textbox(label="Resposta", lines=5)
     btn = gr.Button("Enviar")
     btn.click(chatbot, inputs=entrada, outputs=saida)
     gr.Examples(