app.py

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

# Загрузка модели и токенизатора
tokenizer = AutoTokenizer.from_pretrained("cointegrated/rut5-base-multitask")
model = T5ForConditionalGeneration.from_pretrained("cointegrated/rut5-base-multitask")

# Функция генерации мета-тегов
def generate_meta_tags(description):
    prompt = f"""
Сгенерируй SEO-заголовок (до 60 знаков) и краткое описание (до 160 знаков) для следующего товара:

{description}

Выведи результат в формате JSON:
{"title": "Пример заголовка", "description": "Пример описания"}
    """.strip()

    inputs = tokenizer(prompt, return_tensors="pt")
    with torch.no_grad():
        outputs = model.generate(
            **inputs,
            max_new_tokens=128,
            pad_token_id=tokenizer.eos_token_id,
            eos_token_id=tokenizer.eos_token_id,
            do_sample=True,
            temperature=0.7
        )
    generated_text = tokenizer.decode(outputs[0], skip_special_tokens=True)

    return generated_text


# Интерфейс Gradio
demo = gr.Interface(
    fn=generate_meta_tags,
    inputs=gr.Textbox(label="Введите описание товара", lines=10),
    outputs=gr.Textbox(label="Сгенерированные мета-теги"),
    title="SEO Meta Tag Generator",
    description="Генерация мета-тегов на основе описания товара"
)

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