import os
from transformers import AutoTokenizer, AutoModelForCausalLM
import gradio as gr

# Modellname und Hugging Face Token
model_name = "bartowski/Llama-3.2-3B-Instruct-uncensored-GGUF"
hf_token = os.getenv("HF_TOKEN")  # Token sicher aus den Secrets laden

# Tokenizer und Modell laden
tokenizer = AutoTokenizer.from_pretrained(model_name, use_auth_token=hf_token)
model = AutoModelForCausalLM.from_pretrained(
    model_name, 
    use_auth_token=hf_token,
    device_map=None,  # Für CPU
    torch_dtype="float32"  # CPU-optimiert
)

# Funktion für die Textgenerierung
def generate_response(prompt):
    inputs = tokenizer(prompt, return_tensors="pt", truncation=True)
    outputs = model.generate(inputs["input_ids"], max_length=200, num_beams=5, early_stopping=True)
    return tokenizer.decode(outputs[0], skip_special_tokens=True)

# Gradio-Interface erstellen
interface = gr.Interface(
    fn=generate_response,
    inputs="text",
    outputs="text",
    title="LLaMA 3.2 3B Instruct Uncensored",
    description="Gib einen Text ein, und das Modell generiert eine Antwort basierend auf LLaMA 3.2 3B Instruct Uncensored."
)

# App starten
if __name__ == "__main__":
    interface.launch()