import gradio as gr

def generate_telugu(prompt, content_type):
    return f"Coming soon! నాదిని is being set up...\n\nYour prompt: {prompt}\nType: {content_type}\n\nPlease visit: https://huggingface.co/mohantvj/naadini-telugu for usage instructions."

with gr.Blocks(title="నాదిని - Telugu Creative AI") as demo:
    gr.Markdown("""
    # 🎵 నాదిని (Naadini) - Telugu Creative AI
    **నాదిని** means *"She who is the source of divine sound, poetry and wisdom"*
    
    ⚠️ Full model requires Apple Silicon Mac. 
    See [model page](https://huggingface.co/mohantvj/naadini-telugu) for installation.
    
    తెలుగులో కవితలు, పాటలు, కథలు రాయండి!
    """)
    
    with gr.Row():
        with gr.Column():
            content_type = gr.Dropdown(
                choices=[
                    "కవిత (Poem)",
                    "పాట (Song)",
                    "కథ (Story)",
                    "పద్యం (Classical)",
                    "సంభాషణ (Conversation)"
                ],
                value="కవిత (Poem)",
                label="What to Write"
            )
            prompt = gr.Textbox(
                placeholder="వర్షం గురించి ఒక కవిత రాయండి...",
                label="Your Prompt",
                lines=3
            )
            generate_btn = gr.Button("✨ Generate", variant="primary")
        
        with gr.Column():
            output = gr.Textbox(
                label="నాదిని's Response",
                lines=15
            )
    
    gr.Examples(
        examples=[
            ["వర్షం గురించి ఒక అందమైన కవిత రాయండి", "కవిత (Poem)"],
            ["అమ్మ గురించి ఒక పాట రాయండి", "పాట (Song)"],
            ["పిల్లల కోసం ఒక చిన్న కథ రాయండి", "కథ (Story)"],
        ],
        inputs=[prompt, content_type]
    )
    
    generate_btn.click(
        fn=generate_telugu,
        inputs=[prompt, content_type],
        outputs=output
    )
    
    gr.Markdown("""
    ---
    Built with ❤️ by **Thonangi Venkata Jagan Mohan**
    
    ## How to Use Locally
```bash
    pip install mlx-lm
```
```python
    from mlx_lm import load, generate
    from mlx_lm.sample_utils import make_sampler
    
    model, tokenizer = load(
        "mlx-community/Qwen3-14B-4bit",
        adapter_path="mohantvj/naadini-telugu"
    )
```
    """)

demo.launch()