app.py

import gradio as gr
from transformers import pipeline


# รายชื่อโมเดลที่ให้เลือก
MODEL_LIST = [
    "SandboxBhh/sentiment-thai-text-model",
    "poom-sci/WangchanBERTa-finetuned-sentiment",
    "Thaweewat/wangchanberta-hyperopt-sentiment-01",
    "cardiffnlp/twitter-xlm-roberta-base-sentiment",
    "phoner45/wangchan-sentiment-thai-text-model",
    "ZombitX64/Sentiment-01",
    "ZombitX64/Sentiment-02",
    "ZombitX64/Sentiment-03",
    "ZombitX64/MultiSent-E5-Pro",
    "ZombitX64/MultiSent-E5",
    "ZombitX64/Thai-sentiment-e5",
    "ZombitX64/sentiment-103",
    "nlptown/bert-base-multilingual-uncased-sentiment"
]

from functools import lru_cache

# ใช้ cache เพื่อไม่ต้องโหลดโมเดลซ้ำ
@lru_cache(maxsize=2)
def get_nlp(model_name):
    return pipeline("sentiment-analysis", model=model_name)

label_map = {
    "LABEL_0": 0,
    "LABEL_1": 1,
    "LABEL_2": 2,
    "LABEL_3": 3
}
label_name_map = {
    "LABEL_0": "question",
    "LABEL_1": "negative",
    "LABEL_2": "neutral",
    "LABEL_3": "positive"
}

def analyze_text(text, model_name):
    # แยกประโยคโดยใช้ \n หรือจุด
    import re
    sentences = [s.strip() for s in re.split(r'[.\n]', text) if s.strip()]
    
    if not sentences:
        return "❗ กรุณาใส่ข้อความที่ต้องการวิเคราะห์"
    
    # สีและไอคอนสำหรับแต่ละ sentiment
    sentiment_style = {
        "positive": {"emoji": "😊", "color": "#4CAF50", "bg": "#E8F5E8"},
        "negative": {"emoji": "😔", "color": "#F44336", "bg": "#FFEBEE"},
        "neutral": {"emoji": "😐", "color": "#FF9800", "bg": "#FFF3E0"},
        "question": {"emoji": "❓", "color": "#2196F3", "bg": "#E3F2FD"}
    }
    
    results = []
    results.append("📊 **ผลการวิเคราะห์ความรู้สึก**\n" + "="*50 + "\n")
    
    nlp = get_nlp(model_name)
    for i, sentence in enumerate(sentences, 1):
        result = nlp(sentence)[0]
        label = result['label']
        score = result['score']
        code = label_map.get(label, -1)
        label_name = label_name_map.get(label, label)
        style = sentiment_style.get(label_name, {"emoji": "🔍", "color": "#666666", "bg": "#F5F5F5"})
        bar_length = int(score * 20)
        progress_bar = "█" * bar_length + "░" * (20 - bar_length)
        result_text = f"""
🔸 **ประโยคที่ {i}:** "{sentence}"

{style['emoji']} **ผลวิเคราะห์:** {label_name.upper()} (รหัส: {code})
📈 **ความมั่นใจ:** {score:.2f} ({score*100:.1f}%)
{progress_bar} {score:.2f}

{'─' * 60}
"""
        results.append(result_text)
    
    # เพิ่มสรุปผลรวม
    total_sentences = len(sentences)
    results.append(f"\n📋 **สรุป:** วิเคราะห์ทั้งหมด {total_sentences} ประโยค")
    
    return "\n".join(results)




with gr.Blocks(
    theme=gr.themes.Soft(primary_hue="blue", secondary_hue="purple", neutral_hue="gray"),
    css="""
    .gradio-container {
        max-width: 900px !important;
        margin: auto !important;
        background: #f4f7fa !important;
        border-radius: 18px !important;
        box-shadow: 0 4px 24px 0 #bdbdbd33;
    }
    .main-card {
        background: white;
        border-radius: 16px;
        box-shadow: 0 2px 12px 0 #bdbdbd22;
        padding: 32px 32px 24px 32px;
        margin: 32px 0 24px 0;
    }
    .output-markdown {
        font-family: 'Segoe UI', Tahoma, Geneva, Verdana, sans-serif !important;
    }
    .gr-button {
        font-size: 1.1em;
        padding: 0.7em 2em;
        border-radius: 8px;
    }
    .gr-textbox textarea {
        font-size: 1.1em;
        min-height: 120px;
    }
    .gr-dropdown input {
        font-size: 1.1em;
    }
    """
) as demo:
    gr.Markdown("""
    <div style="text-align: center; padding: 32px 0 12px 0;">
        <h1 style="font-size:2.5em; margin-bottom: 0.2em; color:#3b3b6d;">🧠 Thai Sentiment Analyzer</h1>
        <div style="font-size:1.2em; color:#666;">AI วิเคราะห์ความรู้สึกในข้อความภาษาไทย รองรับหลายโมเดลและหลายประโยค</div>
    </div>
    """)
    with gr.Row():
        with gr.Column():
            gr.Markdown("""
            <div class='main-card'>
                <h3 style='color:#4a4a7d; margin-bottom:10px;'>� เลือกโมเดลวิเคราะห์ความรู้สึก</h3>
            </div>
            """)
            model_dropdown = gr.Dropdown(
                choices=MODEL_LIST,
                value="ZombitX64/MultiSent-E5",
                label="โมเดลที่ต้องการใช้"
            )
            gr.Markdown("""
            <div class='main-card' style='margin-top:18px;'>
                <h3 style='color:#4a4a7d; margin-bottom:10px;'>� ตัวอย่างข้อความ</h3>
            </div>
            """)
        with gr.Column():
            gr.Markdown("""
            <div class='main-card'>
                <h3 style='color:#4a4a7d; margin-bottom:10px;'>📝 ข้อความที่ต้องการวิเคราะห์</h3>
                <div style='color:#888; font-size:1em;'>
                💬 พิมพ์ข้อความหลายประโยคที่นี่<br>
                <span style='font-size:0.95em;'>• แยกแต่ละประโยคด้วยจุด (.) หรือขึ้นบรรทัดใหม่<br>• รองรับข้อความภาษาไทยและหลายประโยคพร้อมกัน</span>
                </div>
            </div>
            """)
            text_input = gr.Textbox(
                lines=7,
                placeholder="ตัวอย่าง: วันนี้อากาศดีมาก. ฉันมีความสุขมาก\nหรือ\nวันนี้อากาศดีมาก\nฉันมีความสุขมาก",
                label=""
            )
            analyze_btn = gr.Button("� วิเคราะห์ข้อความ", elem_id="analyze-btn")
            output_box = gr.Textbox(
                label="📊 ผลการวิเคราะห์ความรู้สึก",
                lines=15,
                show_copy_button=True
            )
        # ต้องสร้างตัวอย่างหลัง text_input ถูกนิยามแล้ว
        examples = gr.Examples(
            examples=[
                ["วันนี้อากาศดีมาก ฉันรู้สึกมีความสุขมาก"],
                ["ฉันไม่ชอบอาหารนี้ รสชาติแปลกมาก"],
                ["วันนี้เป็นยังไง\nเรียนหนังสือกันไหม"],
                ["บริการดีมาก พนักงานใจดี\nแต่ของมีราคาแพงไปหน่อย\nโดยรวมแล้วพอใจ"]
            ],
            inputs=[text_input],
            label="คลิกเพื่อใส่ตัวอย่างในกล่องข้อความ"
        )
    gr.Markdown("""
    <div class='main-card' style='margin-top:24px; background: #f8f9fa;'>
        <div style="display: flex; justify-content: space-around; padding: 10px 0;">
            <div style="text-align: center;">
                <div style="font-size: 24px;">😊</div>
                <strong>Positive</strong><br>
                <small>ความรู้สึกเชิงบวก</small>
            </div>
            <div style="text-align: center;">
                <div style="font-size: 24px;">😔</div>
                <strong>Negative</strong><br>
                <small>ความรู้สึกเชิงลบ</small>
            </div>
            <div style="text-align: center;">
                <div style="font-size: 24px;">😐</div>
                <strong>Neutral</strong><br>
                <small>ความรู้สึกเป็นกลาง</small>
            </div>
            <div style="text-align: center;">
                <div style="font-size: 24px;">❓</div>
                <strong>Question</strong><br>
                <small>ประโยคคำถาม</small>
            </div>
        </div>
    </div>
    """)

    def analyze_wrapper(text, model_name):
        return analyze_text(text, model_name)
    analyze_btn.click(analyze_wrapper, inputs=[text_input, model_dropdown], outputs=output_box)
    text_input.submit(analyze_wrapper, inputs=[text_input, model_dropdown], outputs=output_box)
    model_dropdown.change(analyze_wrapper, inputs=[text_input, model_dropdown], outputs=output_box)
    # ตัวอย่าง: คลิกแล้วใส่ข้อความในกล่อง
    examples.dataset.click(lambda x: x[0] if isinstance(x, list) and x else "", outputs=text_input)