app.py

import streamlit as st
from transformers import pipeline
import requests
from bs4 import BeautifulSoup
from PIL import Image
import os
from dotenv import load_dotenv

# Cargar la clave de la API (si decides usar alguna otra API en el futuro)
load_dotenv()

# Cargar el modelo de Hugging Face
generator = pipeline('text-generation', model='gpt2') # Usamos GPT-2 de Hugging Face como ejemplo

# Función para realizar búsquedas en Internet
def search_internet(query):
search_url = f"https://www.google.com/search?q={query}"
headers = {"User-Agent": "Mozilla/5.0"}
response = requests.get(search_url, headers=headers)

if response.status_code == 200:
soup = BeautifulSoup(response.text, "html.parser")
results = soup.find_all('div', class_='BVG0Nb')
search_results = [result.get_text() for result in results]
return "\n".join(search_results[:5]) # Retornar los primeros 5 resultados
else:
return "No pude obtener resultados de la búsqueda."

# Función para analizar imágenes
def analyze_image(image_file):
image = Image.open(image_file)
# Aquí puedes agregar más análisis o usar algún modelo para analizar la imagen.
return f"Imagen cargada: {image.size[0]}x{image.size[1]} px"

# Título de la aplicación
st.title("Chat IA con búsqueda y análisis de imágenes 🤖")

# Input del usuario
user_input = st.text_input("Hazme una pregunta:")

# Subir una imagen (si se desea analizar)
uploaded_image = st.file_uploader("Sube una imagen para análisis", type=["jpg", "png"])

# Procesar la respuesta
if user_input:
if "buscar" in user_input.lower(): # Si el usuario pide realizar una búsqueda
with st.spinner("Buscando en Internet... 🕵️‍♂️"):
search_results = search_internet(user_input)
st.success("¡Resultados listos! 😊")
st.write(search_results)
else: # Si es una pregunta que el modelo debe responder
with st.spinner("Pensando... 🤔"):
response = generator(user_input, max_length=100, num_return_sequences=1)
answer = response[0]['generated_text']
st.success("¡Respuesta lista! 😊")
st.write(answer)

# Si el usuario sube una imagen
if uploaded_image:
analysis_result = analyze_image(uploaded_image)
st.success("¡Imagen analizada! 😊")
st.write(analysis_result)

app.py

@@ -1,15 +1,16 @@
 import streamlit as st
-import openai
+from transformers import pipeline
 import requests
 from bs4 import BeautifulSoup
 from PIL import Image
-from io import BytesIO
 import os
 from dotenv import load_dotenv
 
-# Cargar la clave de la API desde un archivo .env
+# Cargar la clave de la API (si decides usar alguna otra API en el futuro)
 load_dotenv()
-openai.api_key = os.getenv("OPENAI_API_KEY")
+
+# Cargar el modelo de Hugging Face
+generator = pipeline('text-generation', model='gpt2')  # Usamos GPT-2 de Hugging Face como ejemplo
 
 # Función para realizar búsquedas en Internet
 def search_internet(query):
@@ -48,22 +49,15 @@ if user_input:
         st.success("¡Resultados listos! 😊")
         st.write(search_results)
     else:  # Si es una pregunta que el modelo debe responder
-        try:
-            with st.spinner("Pensando... 🤔"):
-                response = openai.Completion.create(
-                    model="gpt-3.5-turbo",
-                    prompt=user_input,
-                    max_tokens=150,
-                    temperature=0.7
-                )
-                answer = response.choices[0].text.strip()
-            st.success("¡Respuesta lista! 😊")
-            st.write(answer)
-        except Exception as e:
-            st.error(f"Hubo un error: {e}")
+        with st.spinner("Pensando... 🤔"):
+            response = generator(user_input, max_length=100, num_return_sequences=1)
+            answer = response[0]['generated_text']
+        st.success("¡Respuesta lista! 😊")
+        st.write(answer)
 
 # Si el usuario sube una imagen
 if uploaded_image:
     analysis_result = analyze_image(uploaded_image)
     st.success("¡Imagen analizada! 😊")
     st.write(analysis_result)
+