app.py

import requests
import streamlit as st
import streamlit.components.v1 as components

def semanticComparativeClassification():
        
    #API_URL = "https://api-inference.huggingface.co/models/Maite89/Roberta_finetuning_semantic_similarity_stsb_multi_mt"
    API_URL = "https://api-inference.huggingface.co/models/symanto/sn-xlm-roberta-base-snli-mnli-anli-xnli"
    headers = {"Authorization": "Bearer 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"}
    
    def query(payload):
    	response = requests.post(API_URL, headers=headers, json=payload)
    	return response.json()
    	
    """output = query({
    	"inputs": {
            "wait_for_model" : True,
    		"source_sentence": "Uso de la agenda, crear eventos, borrar eventos, mover eventos",
    		"sentences": [
    			"Como creo un evento del calendario",
    			"He perdido la contraseña. Como la recupero.",
    			"Que dia más bonito",
    			"Como sincronizo el móbil con Lya2"
    		]
    	},
    })
    
    output = query({
    	"inputs": {
            "wait_for_model" : True,
    		"source_sentence": "Información sobre Lya2",
    		"sentences": [
    			"Conoces Lya2",
    			"He perdido la contraseña. Como la recupero.",
    			"Que dia más bonito",
    			"Como sincronizo el móbil con Lya2"
    		]
    	},
    })"""
    
    output = query({
    	"inputs": {
            "wait_for_model" : True,
    		"source_sentence": "Sincronización de Lya2 con el teléfono",
    		"sentences": [
    			"Conoces Lya2",
    			"He perdido la contraseña. Como la recupero.",
    			"Que dia más bonito",
    			"Como sincronizo el móbil con Lya2"
    		]
    	},
    })
    
    return output


#x = st.slider('Select a value')
#st.write(x, 'squared is', x * x)

x = semanticComparativeClassification()

for i in x:
    print(i)   
st.title('Uber pickups in NYC')
st.components.v1.html('sadasffas')