Update app.py

app.py

@@ -122,18 +122,20 @@ def interpret_sentiment(label, score):
 # --- Sentiment Analysis Function ---
 def analyze_sentiment(text):
     if not model_loaded_successfully:
-        return {
-            "Overall Sentiment": "<div class='sentiment-display'>⚠️ Model Not Loaded ⚠️</div><p>Please contact the administrator. The sentiment analysis model failed to load.</p>",
-            "Confidence Scores": {},
-            "Raw Output": "Model loading failed."
-        }
+        # Devuelve 3 valores: HTML, dict, string
+        return ( 
+            "<div class='sentiment-display'>⚠️ Model Not Loaded ⚠️</div><p>Please contact the administrator. The sentiment analysis model failed to load.</p>",
+            {}, # Diccionario vacío para Confidence Scores
+            "Model loading failed." # String de error para Raw Output
+        )
 
     if not text.strip():
-        return {
-            "Overall Sentiment": "<div class='sentiment-display'>✍️ Please enter some text! ✍️</div><p>Start typing to analyze its sentiment.</p>",
-            "Confidence Scores": {},
-            "Raw Output": ""
-        }
+        # Devuelve 3 valores: HTML, dict, string
+        return ( 
+            "<div class='sentiment-display'>✍️ Please enter some text! ✍️</div><p>Start typing to analyze its sentiment.</p>",
+            {}, # Diccionario vacío para Confidence Scores
+            "" # String vacío para Raw Output
+        )
 
     try:
         # Asegúrate de que la salida del pipeline es una lista de listas, y toma la primera.
@@ -153,18 +155,15 @@ def analyze_sentiment(text):
         # Generar el HTML para mostrar el sentimiento general
         overall_sentiment_display = interpret_sentiment(label, score)
 
-        return {
-            "Overall Sentiment": overall_sentiment_display,
-            "Confidence Scores": confidence_scores_output,
-            "Raw Output": str(results)
-        }
+        # ¡CAMBIO CLAVE AQUÍ! Ahora devuelve una tupla con 3 valores separados
+        return (overall_sentiment_display, confidence_scores_output, str(results))
     except Exception as e:
-        # En caso de cualquier error durante el análisis
-        return {
-            "Overall Sentiment": f"<div class='sentiment-display'>❌ Error ❌</div><p>An error occurred during analysis: {e}</p>",
-            "Confidence Scores": {},
-            "Raw Output": f"Error: {e}"
-        }
+        # En caso de cualquier error durante el análisis, devuelve 3 valores de error
+        return ( 
+            f"<div class='sentiment-display'>❌ Error ❌</div><p>An error occurred during analysis: {e}</p>",
+            {}, # Diccionario vacío para Confidence Scores
+            f"Error: {e}" # String de error para Raw Output
+        )
 
 # --- Gradio Interface ---
 # Al establecer theme=None, Gradio no aplicará ningún tema predefinido.
@@ -198,18 +197,21 @@ with gr.Blocks(css=custom_css, theme=None) as demo:
             ],
             inputs=text_input,
             fn=analyze_sentiment,
+            # Asegúrate de que estos 3 outputs coinciden con los 3 valores que devuelve analyze_sentiment
             outputs=[gr.HTML(label="Overall Sentiment"), gr.Label(num_top_classes=3, label="Confidence Scores"), gr.JSON(label="Raw Model Output", visible=False)],
-            cache_examples=False # <--- ESTE ES EL CAMBIO CLAVE PARA ELIMINAR EL FileNotFoundError
+            cache_examples=False # ESTE ES EL CAMBIO CLAVE PARA ELIMINAR EL FileNotFoundError
         )
 
         gr.Markdown("<hr style='border-top: 1px solid #424242;'>")
         gr.Markdown("<h2 style='color: #80cbc4;'>📊 Analysis Results</h2>")
         
+        # Estas variables de salida deben coincidir en tipo y orden con lo que devuelve analyze_sentiment
         overall_sentiment_output = gr.HTML(label="Overall Sentiment")
         confidence_scores_output = gr.Label(num_top_classes=3, label="Confidence Scores")
         raw_output = gr.JSON(label="Raw Model Output", visible=False)
 
     # --- Event Listeners ---
+    # Los outputs aquí también deben coincidir con los 3 valores que devuelve analyze_sentiment
     analyze_btn.click(
         fn=analyze_sentiment,
         inputs=text_input,