Update app.py

app.py

@@ -1,31 +1,19 @@
 import gradio as gr
-import PyPDF2
-import io
+from transformers import pipeline
 
-# PDF 파일에서 텍스트를 추출하는 함수
-def extract_text_from_pdf(pdf_file):
-    reader = PyPDF2.PdfReader(io.BytesIO(pdf_file))
-    text = ""
-    for page in range(len(reader.pages)):
-        text += reader.pages[page].extract_text()
-    return text
+# Hugging Face의 트랜스포머 라이브러리를 사용해 모델을 로드합니다.
+model = pipeline("text-classification", model="InstantX/InstantID")
 
-# 추출된 텍스트를 기반으로 질문에 답변하는 함수
-def answer_question(pdf_file, question):
-    extracted_text = extract_text_from_pdf(pdf_file)
-    if question in extracted_text:
-        start = extracted_text.find(question)
-        end = extracted_text.find('.', start) + 1
-        return extracted_text[start:end]
-    else:
-        return "질문에 대한 답변을 찾을 수 없습니다."
+# 모델을 호출하는 함수를 정의합니다.
+def predict(text):
+    return model(text)
 
-# Gradio 인터페이스 정의
+# Gradio 인터페이스를 만듭니다.
 iface = gr.Interface(
-    fn=answer_question,
-    inputs=[gr.File(type="binary"), gr.Textbox(label="질문")],
-    outputs=gr.Textbox()
+    fn=predict,
+    inputs=gr.Textbox(lines=2, placeholder="Type something here..."),
+    outputs=[gr.Label(num_top_classes=3), gr.Dataframe()],
 )
 
-# 인터페이스 실행
+# 인터페이스를 실행하여 테스트합니다.
 iface.launch()