feat: adiciona novos modelos

app.py

@@ -7,18 +7,16 @@ import torch
 
 st.set_page_config(page_title="Análise de Sentimento com Transformers", layout="wide")
 
-# Título
 st.title("🔍 Análise de Sentimentos com Transformers")
 st.markdown("Insira textos e escolha um modelo de linguagem para realizar a classificação de sentimentos.")
 
-# Modelos disponíveis
 modelos_disponiveis = {
-    "FinBert (Financeiro - PT-BR)": "turing-usp/FinBertPTBR",
-    "BERT Base PT-BR (NeuralMind)": "neuralmind/bert-base-portuguese-cased",
-    "Multilingual BERT": "nlptown/bert-base-multilingual-uncased-sentiment"
+    "FinBertPTBR (turing-usp) ": "turing-usp/FinBertPTBR",
+    "Multilingual Uncased BERT (nlptown)": "nlptown/bert-base-multilingual-uncased-sentiment",
+    "Multilingual Cased BERT (lxyuan)": "lxyuan/distilbert-base-multilingual-cased-sentiments-student",
+    "Multilingual Sentiment Analysis (tabularisai)" : "tabularisai/multilingual-sentiment-analysis"
 }
 
-# Sidebar com seleção de modelo
 modelo_escolhido = st.sidebar.selectbox("Escolha o modelo:", list(modelos_disponiveis.keys()))
 model_name = modelos_disponiveis[modelo_escolhido]
 
@@ -40,7 +38,6 @@ def avaliar_sentimento(texto):
     sentimento_previsto = max(resultado, key=resultado.get)
     return {"sentimento": sentimento_previsto, "scores": resultado}
 
-# Entrada de textos
 textos = st.text_area("Digite os textos (um por linha):", height=200)
 
 if st.button("🔍 Analisar Sentimentos"):
@@ -61,11 +58,9 @@ if st.button("🔍 Analisar Sentimentos"):
         df_resultados = pd.DataFrame(resultados)
         st.success("Análise concluída!")
 
-        # Mostrar tabela
         st.subheader("📋 Resultados")
         st.dataframe(df_resultados, use_container_width=True)
 
-        # Gráfico
         st.subheader("📊 Distribuição de Sentimentos")
         fig, ax = plt.subplots()
         df_resultados["Sentimento"].value_counts().plot(kind='bar', ax=ax, rot=0)