Update app.py

import streamlit as st
import requests
from transformers import pipeline
from PIL import Image
import io
import pandas as pd
import plotly.express as px

# Configuración inicial
st.set_page_config(page_title="CriptoAnalizador IA", layout="wide")

# Título de la aplicación
st.title("🚀 CriptoAnalizador IA")

# Clave de API para Coinalyze
COINALYZE_API_KEY = "8429ca91-8726-45b4-a067-05cc778ea867"
COINALYZE_URL = "https://api.coinalyze.net/v1"

# Opciones de navegación
menu = st.sidebar.radio("Navegación", ["Chat", "Análisis de imágenes", "Criptomonedas"])

if menu == "Chat":
st.header("🤖 Chat Avanzado con IA")
user_input = st.text_input("Escribe tu mensaje:")
if user_input:
# Respuesta usando un modelo de lenguaje
model = pipeline("text-generation", model="gpt2")
response = model(user_input, max_length=100, num_return_sequences=1)
st.success(response[0]["generated_text"])

elif menu == "Análisis de imágenes":
st.header("📷 Análisis de Imágenes")
uploaded_file = st.file_uploader("Sube una imagen para analizar:")
if uploaded_file:
image = Image.open(uploaded_file)
st.image(image, caption="Imagen cargada", use_column_width=True)

# Extracción de texto
from transformers import TrOCRProcessor, VisionEncoderDecoderModel

processor = TrOCRProcessor.from_pretrained("microsoft/trocr-base-handwritten")
model = VisionEncoderDecoderModel.from_pretrained("microsoft/trocr-base-handwritten")

image_tensor = processor(images=image, return_tensors="pt").pixel_values
generated_ids = model.generate(image_tensor)
extracted_text = processor.batch_decode(generated_ids, skip_special_tokens=True)[0]

st.subheader("Texto extraído:")
st.write(extracted_text)

elif menu == "Criptomonedas":
st.header("📊 Análisis Técnico de Criptomonedas")

# Selección de criptomoneda
crypto = st.text_input("Ingresa el símbolo de la criptomoneda (Ejemplo: BTC, ETH):")

if crypto:
st.subheader(f"Análisis Técnico para {crypto.upper()}")

# Llamada a la API de Coinalyze
endpoint = f"{COINALYZE_URL}/cryptocurrencies/{crypto}/historical"
headers = {"Authorization": f"Bearer {COINALYZE_API_KEY}"}

response = requests.get(endpoint, headers=headers)
if response.status_code == 200:
data = response.json()
df = pd.DataFrame(data["prices"], columns=["timestamp", "price"])

# Convertir timestamp a fecha
df["timestamp"] = pd.to_datetime(df["timestamp"], unit="ms")

# Graficar precios
fig = px.line(df, x="timestamp", y="price", title=f"Precio de {crypto.upper()} a lo largo del tiempo")
st.plotly_chart(fig)
else:
st.error("No se pudieron obtener los datos. Verifica el símbolo o intenta más tarde.")

# Footer
st.sidebar.markdown("---")
st.sidebar.markdown("Creado con ❤️ por tu ChatBot")

app.py

@@ -1,63 +1,81 @@
 import streamlit as st
-from transformers import pipeline
 import requests
-from bs4 import BeautifulSoup
+from transformers import pipeline
 from PIL import Image
-import os
-from dotenv import load_dotenv
+import io
+import pandas as pd
+import plotly.express as px
+
+# Configuración inicial
+st.set_page_config(page_title="CriptoAnalizador IA", layout="wide")
+
+# Título de la aplicación
+st.title("🚀 CriptoAnalizador IA")
 
-# Cargar la clave de la API (si decides usar alguna otra API en el futuro)
-load_dotenv()
+# Clave de API para Coinalyze
+COINALYZE_API_KEY = "8429ca91-8726-45b4-a067-05cc778ea867"
+COINALYZE_URL = "https://api.coinalyze.net/v1"
 
-# Cargar el modelo de Hugging Face
-generator = pipeline('text-generation', model='gpt2')  # Usamos GPT-2 de Hugging Face como ejemplo
+# Opciones de navegación
+menu = st.sidebar.radio("Navegación", ["Chat", "Análisis de imágenes", "Criptomonedas"])
 
-# 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 menu == "Chat":
+    st.header("🤖 Chat Avanzado con IA")
+    user_input = st.text_input("Escribe tu mensaje:")
+    if user_input:
+        # Respuesta usando un modelo de lenguaje
+        model = pipeline("text-generation", model="gpt2")
+        response = model(user_input, max_length=100, num_return_sequences=1)
+        st.success(response[0]["generated_text"])
+
+elif menu == "Análisis de imágenes":
+    st.header("📷 Análisis de Imágenes")
+    uploaded_file = st.file_uploader("Sube una imagen para analizar:")
+    if uploaded_file:
+        image = Image.open(uploaded_file)
+        st.image(image, caption="Imagen cargada", use_column_width=True)
+        
+        # Extracción de texto
+        from transformers import TrOCRProcessor, VisionEncoderDecoderModel
+        
+        processor = TrOCRProcessor.from_pretrained("microsoft/trocr-base-handwritten")
+        model = VisionEncoderDecoderModel.from_pretrained("microsoft/trocr-base-handwritten")
+        
+        image_tensor = processor(images=image, return_tensors="pt").pixel_values
+        generated_ids = model.generate(image_tensor)
+        extracted_text = processor.batch_decode(generated_ids, skip_special_tokens=True)[0]
+        
+        st.subheader("Texto extraído:")
+        st.write(extracted_text)
+
+elif menu == "Criptomonedas":
+    st.header("📊 Análisis Técnico de Criptomonedas")
     
-    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"
+    # Selección de criptomoneda
+    crypto = st.text_input("Ingresa el símbolo de la criptomoneda (Ejemplo: BTC, ETH):")
+    
+    if crypto:
+        st.subheader(f"Análisis Técnico para {crypto.upper()}")
+        
+        # Llamada a la API de Coinalyze
+        endpoint = f"{COINALYZE_URL}/cryptocurrencies/{crypto}/historical"
+        headers = {"Authorization": f"Bearer {COINALYZE_API_KEY}"}
+        
+        response = requests.get(endpoint, headers=headers)
+        if response.status_code == 200:
+            data = response.json()
+            df = pd.DataFrame(data["prices"], columns=["timestamp", "price"])
+            
+            # Convertir timestamp a fecha
+            df["timestamp"] = pd.to_datetime(df["timestamp"], unit="ms")
+            
+            # Graficar precios
+            fig = px.line(df, x="timestamp", y="price", title=f"Precio de {crypto.upper()} a lo largo del tiempo")
+            st.plotly_chart(fig)
+        else:
+            st.error("No se pudieron obtener los datos. Verifica el símbolo o intenta más tarde.")
 
-# 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)
+# Footer
+st.sidebar.markdown("---")
+st.sidebar.markdown("Creado con ❤️ por tu ChatBot")