Create app.py

app.py

@@ -0,0 +1,27 @@
+import gradio as gr
+from transformers import AutoTokenizer
+from optimum.onnxruntime import ORTModelForCausalLM, ORTOptions
+
+# 选超轻量模型：微软Phi-3-mini（仅38亿参数，推理极快）
+model_name = "microsoft/Phi-3-mini-4k-instruct-ONNX"
+
+# 开启INT8量化+动态批处理，CPU计算量直接减半
+options = ORTOptions(enable_int8=True, enable_dynamic_quantization=True)
+model = ORTModelForCausalLM.from_pretrained(model_name, from_transformers=True, ort_options=options)
+tokenizer = AutoTokenizer.from_pretrained(model_name)
+
+def generate_text(input_texts):
+    inputs = tokenizer(input_texts, return_tensors="pt", padding=True, truncation=True, max_length=32)
+    outputs = model.generate(
+        **inputs,
+        max_new_tokens=8,    # 生成长度砍到极致
+        temperature=0.1,    # 温度调低，减少随机计算
+        do_sample=False,
+        num_beams=1,
+        early_stopping=True # 到句号就停，不做无用功
+    )
+    return tokenizer.batch_decode(outputs, skip_special_tokens=True)
+
+# 界面支持多行输入（批量处理请求，CPU利用率拉满）
+iface = gr.Interface(fn=generate_text, inputs=gr.Textbox(multiline=True), outputs="text")
+iface.launch()