Update app.py

app.py

@@ -8,20 +8,24 @@ model = T5ForConditionalGeneration.from_pretrained("cointegrated/rut5-base-multi
 
 # Функция генерации мета-тегов
 def generate_meta_tags(description):
+    # Очищаем описание
+    description = description.strip()
+
+    # Формируем промт
     prompt = """
 Описание товара:
-{description.strip()}
+{description}
 
 Задача: Создай SEO-оптимизированные мета-теги из описания товара.
 Формат вывода:
-{{"title": "SEO заголовок до 60 символов", "description": "SEO описание до 160 символов"}}
-    """.format(description=description.strip())
+{"title": "SEO заголовок до 60 символов", "description": "SEO описание до 160 символов"}
+""".format(description=description)
 
     inputs = tokenizer(prompt, return_tensors="pt")
     with torch.no_grad():
         outputs = model.generate(
             **inputs,
-            max_new_tokens=128,
+            max_new_tokens=200,
             pad_token_id=tokenizer.eos_token_id,
             eos_token_id=tokenizer.eos_token_id,
             do_sample=True,
@@ -29,6 +33,15 @@ def generate_meta_tags(description):
         )
     generated_text = tokenizer.decode(outputs[0], skip_special_tokens=True)
 
+    # Принудительно исправляем JSON, если он сломан
+    import re
+    match = re.search(r'\{.*\}', generated_text, re.DOTALL)
+    if match:
+        generated_text = match.group(0)
+
+    generated_text = generated_text.replace('\n', ' ').replace('“','"').replace('”','"')
+print("Prompt:", prompt)
+print("Generated text:", generated_text)
     return generated_text