Update app.py

app.py

@@ -1,26 +1,27 @@
-import os
-import sys
-from transformers import pipeline
 import gradio as gr
 
-model = pipeline('question-answering', model='deepset/tinyroberta-squad2', tokenizer='deepset/tinyroberta-squad2')
+title = "RoBERTa, tengo una pregunta"
+description = "Modelo tipo RoBERTa pre-entrenado por BSC-TeMU con la base de datos de la Bibliotecha Nacional de España y fine-tuned con el corpus SQAC (Spanish Question-Answering Corpus)."
+examples = [
+    ["¡Hola, mundo! Somos NLP en ES 🤗 la comunidad de hispanohablantes de la iniciativa “Languages at HuggingFace” y queremos democratizar el NLP en nuestro idioma. Somos una red internacional y nuestro objetivo es crear y compartir recursos que posibiliten y aceleren el avance del NLP en español.", "¿Quiénes somos?"]
+]
+article = """
+<p style="text-align: center">
+    NLP en ES 🤗 | <a target=”_blank” href="https://nlp-en-es.org"> nlp-en-es.org </a>
+</p>
+"""
 
-def qa(passage, question):
-    question = question
-    context = passage
-    nlp_input = {
-        'question': question,
-        'context': context
-    }
-
-    return model(nlp_input)['answer']
-
-passage = "The quick brown fox jumped over the lazy dog."
-question = "Who jumps over the lazy dog?"
-
-iface = gr.Interface(qa,
-                        title="Question Answering using RoBERTa",
-                        inputs=[gr.inputs.Textbox(lines=15), "text"],
-                        outputs=["text"],
-                        examples=[["{}".format(passage), "{}".format(question)]])
-iface.launch()
+gr.Interface.load(
+    name="huggingface/Evelyn18/roberta-base-bne-ROBERTaBECAS",
+    inputs=[gr.inputs.Textbox(label="Contexto", lines=5), gr.inputs.Textbox(label="Pregunta")],   
+    outputs=gr.outputs.Textbox(label="Respuesta"),
+    title=title,
+    description=description,
+    article=article,
+    examples=examples,
+    theme="huggingface",
+    allow_screenshot=True,
+    allow_flagging=True,
+    flagging_dir="flagged",
+    enable_queue=True
+).launch()