Update app.py

app.py

@@ -2,6 +2,9 @@ import gradio as gr
 from transformers import pipeline
 import os
 
+# Añade esto para verificar la versión de Gradio en tiempo de ejecución
+print(f"Gradio version at runtime: {gr.__version__}")
+
 # --- Model Loading ---
 MODEL_ID = "Light-Dav/sentiment-analysis-full-project"
 
@@ -14,6 +17,7 @@ except Exception as e:
     model_loaded_successfully = False
 
 # --- Custom CSS for a dark look inspired by the website ---
+# Este CSS define todo el aspecto visual sin depender de un tema de Gradio
 custom_css = """
 body {
     background-color: #121212; /* Dark background */
@@ -75,9 +79,14 @@ h1, h2, h3 {
     from { opacity: 0; }
     to { opacity: 1; }
 }
+/* Estilos para las etiquetas de los componentes de entrada */
 gr-textbox > label {
     color: #80cbc4;
 }
+/* Asegúrate de que las etiquetas de salida también tengan color */
+.gradio-output .label {
+    color: #80cbc4; /* Color de acento para las etiquetas de salida */
+}
 """
 
 # --- Helper Function for Sentiment Interpretation ---
@@ -102,7 +111,7 @@ def interpret_sentiment(label, score):
         emoji = "❓"
         description = "Could not confidently determine sentiment. Unexpected label."
         color_class = ""
-
+    
     return f"<div class='sentiment-display {color_class}'>{emoji} {label.upper()} ({score:.2f})</div>" + \
            f"<p>{description}</p>"
 
@@ -123,11 +132,11 @@ def analyze_sentiment(text):
         }
 
     try:
-        results = sentiment_analyzer(text)[0]
+        results = sentiment_analyzer(text)[0] # Obtener la primera (y única) lista de resultados
 
         results_sorted = sorted(results, key=lambda x: x['score'], reverse=True)
 
-        top_sentiment = results_sorted(0)
+        top_sentiment = results_sorted[0] # <--- CORRECCIÓN IMPORTANTE AQUÍ (era results_sorted(0))
         label = top_sentiment['label']
         score = top_sentiment['score']
 
@@ -148,7 +157,9 @@ def analyze_sentiment(text):
         }
 
 # --- Gradio Interface ---
-with gr.Blocks(css=custom_css, theme=gr.themes.Dark()) as demo:
+# Al establecer theme=None, Gradio no aplicará ningún tema predefinido.
+# Todo el estilo visual vendrá de nuestro `custom_css`.
+with gr.Blocks(css=custom_css, theme=None) as demo: # <--- CAMBIO CLAVE AQUÍ: theme=None
     gr.Markdown("<h1 style='color: #80cbc4; text-align: center;'>🌌 Sentiment Analyzer 🌌</h1>")
     gr.Markdown("<p style='color: #f8f8f2; text-align: center;'>Uncover the emotional tone of your English text instantly.</p>")
 
@@ -164,6 +175,8 @@ with gr.Blocks(css=custom_css, theme=gr.themes.Dark()) as demo:
 
         gr.Markdown("<hr style='border-top: 1px solid #424242;'>")
         gr.Markdown("<h3 style='color: #80cbc4; text-align: center;'>Try some examples:</h3>")
+        # Aquí definimos los outputs directamente al crear el gr.Examples,
+        # esto es una forma robusta de manejarlo.
         examples = gr.Examples(
             examples=[
                 ["This product exceeded my expectations, truly amazing!"],
@@ -181,10 +194,12 @@ with gr.Blocks(css=custom_css, theme=gr.themes.Dark()) as demo:
 
         gr.Markdown("<hr style='border-top: 1px solid #424242;'>")
         gr.Markdown("<h2 style='color: #80cbc4;'>📊 Analysis Results</h2>")
+        # Asegúrate de que las variables de salida estén definidas aquí para los listeners
         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 ---
     analyze_btn.click(
         fn=analyze_sentiment,
         inputs=text_input,
@@ -197,4 +212,5 @@ with gr.Blocks(css=custom_css, theme=gr.themes.Dark()) as demo:
         # live=True # Puedes descomentar si quieres actualizaciones en vivo (consume más recursos)
     )
 
+# Launch the Gradio application
 demo.launch()