Update app.py

app.py

@@ -17,10 +17,9 @@ if "model" not in globals():
 def humanize_text(input_text):
     system_prompt = (
         "Reescribe el siguiente texto con un tono más natural, conversacional y cercano, ideal para marketing. "
-        "Haz que fluya de manera más atractiva y persuasiva, como si lo escribiera un experto en marketing, "
-        "pero sin modificar ni inventar datos. Mantén toda la información original sin omitir detalles. "
-        "Puedes reorganizar las oraciones para mejorar la claridad y el impacto. "
-        "Asegúrate de que el resultado se sienta humano y auténtico, evitando cualquier indicio de automatización."
+        "No agregues información nueva ni cambies el significado del texto original. "
+        "Haz que fluya mejor, pero sin perder ningún detalle. "
+        "Mantén el contenido preciso y fiel a la versión original, solo mejorando su claridad y atractivo."
     )
 
     prompt = f"{system_prompt}\n\nTexto original: {input_text}\n\nTexto humanizado:"
@@ -30,12 +29,13 @@ def humanize_text(input_text):
     outputs = model.generate(
         inputs.input_ids,
         attention_mask=inputs.attention_mask,
-        max_new_tokens=150,  # 🔹 Suficiente espacio para reformular el texto sin cortes
+        max_length=256,  # 🔹 Fijamos un límite claro para evitar respuestas descontroladas
+        max_new_tokens=200,  # 🔹 Más margen para reformular el texto sin cortes
         do_sample=True,  # 🔹 Mantiene variabilidad en la reescritura
-        temperature=0.8,  # 🔹 Permite más fluidez sin inventar datos
+        temperature=0.6,  # 🔹 Reduce el riesgo de respuestas erráticas y aleatorias
         top_p=0.9,  # 🔹 Mantiene coherencia en la reescritura
         repetition_penalty=1.1,  # 🔹 Evita repeticiones innecesarias
-        early_stopping=True,
+        num_return_sequences=1,  # 🔹 Genera solo una respuesta bien formulada
     )
 
     return tokenizer.decode(outputs[0], skip_special_tokens=True)