Update app.py

app.py

@@ -1,33 +1,18 @@
 from fastapi import FastAPI, UploadFile, File
-import requests
+from transformers import AutoModelForCausalLM, AutoTokenizer
 
 app = FastAPI()
 
-# URL de l’API Ollama (local dans le conteneur)
-OLLAMA_API_URL = "http://localhost:11434/api/generate"
+# Charger DeepSeek depuis Hugging Face
+model = AutoModelForCausalLM.from_pretrained("deepseek-ai/DeepSeek-V2-Chat")
+tokenizer = AutoTokenizer.from_pretrained("deepseek-ai/DeepSeek-V2-Chat")
 
-# Fonction pour interroger Ollama
-def query_ollama(prompt: str, model: str = "mistral"):
-    payload = {
-        "model": model,
-        "prompt": prompt,
-        "stream": False
-    }
-    response = requests.post(OLLAMA_API_URL, json=payload)
-    if response.status_code == 200:
-        return response.json()["response"]
-    else:
-        return f"Erreur : {response.status_code} - {response.text}"
-
-@app.get("/")
-async def root():
-    return {"message": "API avec Ollama sur Hugging Face Spaces"}
-
-# Exemple d’endpoint pour résumer un texte
 @app.post("/summarization/text")
 async def summarize_text(file: UploadFile = File(...)):
     content = await file.read()
     text = content.decode("utf-8")
     prompt = f"Résume ce texte en 3 phrases courtes : {text}"
-    summary = query_ollama(prompt, model="mistral")  # Remplace par "deepseek-v2" si dispo
+    inputs = tokenizer(prompt, return_tensors="pt")
+    outputs = model.generate(**inputs, max_length=100)
+    summary = tokenizer.decode(outputs[0], skip_special_tokens=True)
     return {"summary": summary}