import gradio as gr
from sentence_transformers import SentenceTransformer
from sklearn.metrics.pairwise import cosine_similarity
import numpy as np

# 1. Загрузка модели
# Используем rubert-tiny для скорости и поддержки русского языка
# Модель загружается только один раз при запуске сервиса
# Новая (более легкая и мульти-языковая):
MODEL_NAME = 'cointegrated/rubert-tiny-sentiment-balanced'  
model = SentenceTransformer(MODEL_NAME, device='cpu')

def calculate_similarity(text_new: str, text_old: str) -> float:
    """
    Вычисляет косинусное сходство между двумя текстами.
    """
    if not text_new or not text_old:
        return 0.0

    # 2. Получение эмбеддингов
    embeddings = model.encode([text_new, text_old], convert_to_tensor=True)
    
    # 3. Вычисление косинусного сходства
    similarity_score = cosine_similarity(embeddings.cpu())[0][1]
    
    return float(similarity_score)

# 4. Создание интерфейса Gradio
# Gradio автоматически создает API-эндпоинт для этой функции
iface = gr.Interface(
    fn=calculate_similarity,
    inputs=[
        gr.Textbox(lines=5, label="Новый текст (Текст 1)"),
        gr.Textbox(lines=5, label="Старый текст (Текст 2)"),
    ],
    outputs=gr.Number(label="Косинусное сходство (от 0 до 1)"),
    title="Сервис проверки семантического сходства текста",
    description="Использует Sentence-BERT для сравнения двух русскоязычных текстов по смыслу."
)

# Запуск с указанием пути к API без fn_index
iface.launch(server_name="0.0.0.0", server_port=7860, show_error=True)