Aggiunto il file app.py del chatbot Lucilla

app.py

@@ -0,0 +1,41 @@
+import streamlit as st
+from transformers import pipeline, MarianMTModel, MarianTokenizer, AutoModelForCausalLM, AutoTokenizer
+
+# Inizializza il traduttore italiano-inglese
+tokenizer_it_en = MarianTokenizer.from_pretrained("Helsinki-NLP/opus-mt-it-en")
+model_it_en = MarianMTModel.from_pretrained("Helsinki-NLP/opus-mt-it-en")
+
+# Inizializza il traduttore inglese-italiano
+tokenizer_en_it = MarianTokenizer.from_pretrained("Helsinki-NLP/opus-mt-en-it")
+model_en_it = MarianMTModel.from_pretrained("Helsinki-NLP/opus-mt-en-it")
+
+# Carica il modello fairseq-dense-2.7B
+model_name = "KoboldAI/fairseq-dense-2.7B"
+tokenizer = AutoTokenizer.from_pretrained(model_name)
+model = AutoModelForCausalLM.from_pretrained(model_name)
+
+# Creazione della pipeline di generazione del testo
+chatbot = pipeline("text-generation", model=model, tokenizer=tokenizer)
+
+# Funzione per la traduzione
+def translate(text, model, tokenizer):
+    inputs = tokenizer(text, return_tensors="pt", padding=True)
+    outputs = model.generate(**inputs)
+    return tokenizer.decode(outputs[0], skip_special_tokens=True)
+
+# Interfaccia utente Streamlit per il chatbot
+st.title("Chatbot Lucilla")
+
+user_input = st.text_input("Scrivi qui per parlare con Lucilla:")
+
+if st.button("Invia"):
+    input_in_english = translate(user_input, model_it_en, tokenizer_it_en)
+    responses = chatbot(input_in_english, max_length=50, num_return_sequences=1, temperature=0.9, do_sample=True)
+    response_in_english = responses[0]['generated_text']
+    response_in_italian = translate(response_in_english, model_en_it, tokenizer_en_it)
+    st.text_area("Risposta:", value=response_in_italian, height=100)
+
+# Slider esempio
+st.write("Esempio Slider:")
+x = st.slider('Select a value')
+st.write(x, 'squared is', x * x)