Update app.py

app.py

@@ -1,18 +1,30 @@
 from fastapi import FastAPI, UploadFile, File
 from transformers import AutoModelForCausalLM, AutoTokenizer
+import os
 
 app = FastAPI()
 
-# Charger DeepSeek depuis Hugging Face
-model = AutoModelForCausalLM.from_pretrained("deepseek-ai/DeepSeek-V2-Chat")
-tokenizer = AutoTokenizer.from_pretrained("deepseek-ai/DeepSeek-V2-Chat")
+# Récupérer le token Hugging Face depuis la variable d’environnement
+hf_token = os.getenv("yoyo")
+if not hf_token:
+    raise ValueError("HF_TOKEN n’est pas défini. Ajoute-le dans les secrets de Hugging Face Spaces.")
 
+# Charger Llama 2 avec le token
+model_name = "meta-llama/Llama-2-7b-chat-hf"
+tokenizer = AutoTokenizer.from_pretrained(model_name, use_auth_token=hf_token)
+model = AutoModelForCausalLM.from_pretrained(model_name, use_auth_token=hf_token)
+
+@app.get("/")
+async def root():
+    return {"message": "API avec Llama 2 sur Hugging Face Spaces"}
+
+# Endpoint pour résumer un texte
 @app.post("/summarization/text")
 async def summarize_text(file: UploadFile = File(...)):
     content = await file.read()
     text = content.decode("utf-8")
-    prompt = f"Résume ce texte en 3 phrases courtes : {text}"
+    prompt = f"Summarize this text in 3 short sentences: {text}"
     inputs = tokenizer(prompt, return_tensors="pt")
-    outputs = model.generate(**inputs, max_length=100)
+    outputs = model.generate(**inputs, max_length=100, num_return_sequences=1)
     summary = tokenizer.decode(outputs[0], skip_special_tokens=True)
     return {"summary": summary}