app.py

import gradio as gr
from transformers import pipeline

pp_en = pipeline("question-answering",model="deepset/roberta-base-squad2")
pp_ch = pipeline("question-answering",model="luhua/chinese_pretrain_mrc_roberta_wwm_ext_large")

def qa_fn(ask,ctxt,model):
  pp = (pp_en if model=="deepset" else pp_ch);
  ret = pp(context=ctxt, question=ask);
  ret['entity']='Answer';
  return {"text":ctxt,"entities":[ret]}, ret['answer'], ret['score']     
  #注意HighlightedText的用法。有两种不同用法：https://gradio.app/named_entity_recognition/
  # 一种是list of dict ，一种是list of tuple. 详细用法参考https://gradio.app/named_entity_recognition/吧

samples= [
    ["乔治的哥哥叫什么名字？","我是小猪佩奇，我是乔治的哥哥，我家住在北京","deepset"],
    ["图书馆主页的网址是多少啊？","读者进入图书馆主页（http://lib.tjut.edu.cn）后，点击文献传递菜单，即可查看文献传递的具体流程步骤","mrc"],
        ];
introStr = "用于演示使用人工智能自动寻找问题答案，这将是一种更加高效便捷的新型信息检索方式。";
titleStr = "智能问答演示程序";

demo = gr.Interface(qa_fn, 
       inputs=[gr.Textbox(label="Question",placeholder='请输入问题'), 
               gr.Textbox(label="Contexkht",lines=10,placeholder="请输入一段文本"),
               gr.Radio(["deepset","mrc"],label="Select Model", value="deepset"),
               ],
       outputs=[gr.HighlightedText(label='答案位置'),gr.Textbox(label="答案"),gr.Number(label="Score")],
       examples=samples,
       description=introStr,
       title=titleStr);

demo.launch()