Update app.py

app.py

@@ -1,27 +1,27 @@
-import nltk
-from nltk.tokenize import word_tokenize
 import streamlit as st
-# İlk kez kullanıyorsanız, aşağıdaki satırları çalıştırarak gerekli veri setlerini indirebilirsiniz:
-nltk.download('punkt')
+from transformers import AutoTokenizer, AutoModelForCausalLM
+import torch
 
-# Kötü kelime listesi oluşturma
-bad_words = ["qehbe","sik","sikim","skm"]  # Bu listeye daha fazla kelime ekleyebilirsiniz
+# Load the model and tokenizer
+@st.cache_resource
+def load_model():
+    tokenizer = AutoTokenizer.from_pretrained("01-ai/Yi-6B-Chat")
+    model = AutoModelForCausalLM.from_pretrained("01-ai/Yi-6B-Chat")
+    return tokenizer, model
 
-# Kötü kelimeleri tespit eden fonksiyon
-def detect_bad_words(text, bad_words):
-    # Metni küçük harflere dönüştür ve tokenize et
-    words = word_tokenize(text.lower())
-    
-    # Kötü kelimeleri tespit et
-    detected_bad_words = [word for word in words if word in bad_words]
-    
-    return detected_bad_words
+tokenizer, model = load_model()
 
-# Kullanıcıdan metin alma ve fonksiyonu kullanma
-user_text = st.text_area("Lütfen metni girin: ")
-detected_words = detect_bad_words(user_text, bad_words)
+st.title("Chat with AI")
 
-if detected_words:
-    st.write("Tespit edilen kötü kelimeler:", detected_words)
-else:
-    st.write("Hiçbir kötü kelime tespit edilmedi.")
+# User input
+user_input = st.text_input("You: ", "Hello, how are you?")
+
+if user_input:
+    # Tokenize input and generate response
+    inputs = tokenizer(user_input, return_tensors="pt")
+    with torch.no_grad():
+        outputs = model.generate(inputs.input_ids, max_length=50, num_return_sequences=1)
+    
+    # Decode and display the response
+    response = tokenizer.decode(outputs[0], skip_special_tokens=True)
+    st.write(f"AI: {response}")