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

# Model ve Tokenizer Yükleme
model_name = "microsoft/DialoGPT-medium"  # Alternatif olarak başka bir model de seçebilirsiniz
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name)

# Chat Fonksiyonu
def chatbot_response(input_text, chat_history=[]):
    # Kullanıcı girdisini encode et
    new_user_input_ids = tokenizer.encode(input_text + tokenizer.eos_token, return_tensors='pt')

    # Önceki sohbet geçmişi ile birleştir
    bot_input_ids = torch.cat([torch.LongTensor(chat_history)] + [new_user_input_ids], dim=-1) if chat_history else new_user_input_ids

    # Model ile yanıt üret
    chat_history = model.generate(bot_input_ids, max_length=1000, pad_token_id=tokenizer.eos_token_id)

    # Yanıtı decode et
    output = tokenizer.decode(chat_history[:, bot_input_ids.shape[-1]:][0], skip_special_tokens=True)

    # Sohbet geçmişini güncelle
    chat_history = chat_history.tolist()

    return output, chat_history

# Gradio Arayüzü
with gr.Blocks() as demo:
    chatbot = gr.Chatbot(label="AI ChatBot")
    state = gr.State([])  # Sohbet geçmişini tutmak için bir state
    with gr.Row():
        with gr.Column(scale=1):
            txt = gr.Textbox(show_label=False, placeholder="Type your message...")  # Mesaj giriş kutusu

    # Girdi gönderildiğinde çalışacak işlev
    def submit_message(user_input, chat_history):
        output, chat_history = chatbot_response(user_input, chat_history)
        chat_history.append((user_input, output))
        return chat_history, chat_history

    # Girdiyi işleme ve güncelleme
    txt.submit(submit_message, [txt, state], [chatbot, state])

# Uygulamayı Çalıştır
demo.launch()