Update app.py

app.py

@@ -1,150 +1,19 @@
-import os
-import time
-import uuid
-from PIL import Image
-import google.generativeai as genai
 import gradio as gr
-from dotenv import load_dotenv
-from typing import List, Tuple, Optional, Union
-
-# Cargar las variables de entorno
-load_dotenv()
-API_KEY = os.getenv("GOOGLE_API_KEY")
-
-if not API_KEY:
-    raise ValueError("La clave de API 'GOOGLE_API_KEY' no está configurada en el archivo .env")
-
-# Configuración del modelo Gemini
-generation_config = {
-    "temperature": 1,
-    "top_p": 0.95,
-    "top_k": 40,
-    "max_output_tokens": 8192,
-    "response_mime_type": "text/plain",
-}
-
-genai.configure(api_key=API_KEY)
-
-model = genai.GenerativeModel(
-    model_name="gemini-1.5-flash",
-    generation_config=generation_config,
-)
-
-# Inicializar la sesión de chat
-chat = model.start_chat(history=[])
-
-# Función para transformar el historial de Gradio al formato de Gemini
-def transform_history(history):
-    new_history = []
-    for chat in history:
-        new_history.append({"parts": [{"text": chat[0]}], "role": "user"})
-        new_history.append({"parts": [{"text": chat[1]}], "role": "model"})
-    return new_history
-
-# Función de respuesta que maneja el texto y los archivos multimodales
-def response(message, history):
-    global chat
-
-    # Transformar el historial al formato esperado por Gemini
-    chat.history = transform_history(history)
-    
-    # Enviar el mensaje al modelo y obtener la respuesta
-    response = chat.send_message(message["text"])
-    # Eliminar la llamada a `response.resolve()` porque no es necesario.
-    return response.text
-
-# Constantes y configuraciones
-IMAGE_CACHE_DIRECTORY = "/tmp"
-IMAGE_WIDTH = 512
-CHAT_HISTORY = List[Tuple[Optional[Union[Tuple[str], str]], Optional[str]]]
-
-# Función para preprocesar la imagen
-def preprocess_image(image: Image.Image) -> Optional[Image.Image]:
-    if image:
-        image_height = int(image.height * IMAGE_WIDTH / image.width)
-        return image.resize((IMAGE_WIDTH, image_height))
-
-# Función para almacenar la imagen en el caché
-def cache_pil_image(image: Image.Image) -> str:
-    image_filename = f"{uuid.uuid4()}.jpeg"
-    os.makedirs(IMAGE_CACHE_DIRECTORY, exist_ok=True)
-    image_path = os.path.join(IMAGE_CACHE_DIRECTORY, image_filename)
-    image.save(image_path, "JPEG")
-    return image_path
-
-# Función para cargar imágenes
-def upload(files: Optional[List[str]], chatbot: CHAT_HISTORY) -> CHAT_HISTORY:
-    for file in files:
-        image = Image.open(file).convert('RGB')
-        image_preview = preprocess_image(image)
-        if image_preview:
-            # Enviar la imagen procesada para su visualización en Gradio
-            gr.Image(image_preview).render()
-        image_path = cache_pil_image(image)
-        chatbot.append(((image_path,), None))
-    return chatbot
-
-# Función para manejar el mensaje del usuario
-def user(text_prompt: str, chatbot: CHAT_HISTORY):
-    if text_prompt:
-        chatbot.append((text_prompt, None))
-    return "", chatbot
-
-# Función para la respuesta del bot
-def bot(
-    files: Optional[List[str]],
-    model_choice: str,
-    system_instruction: Optional[str],  # Sistema de instrucciones opcional
-    chatbot: CHAT_HISTORY
-):
-    if not API_KEY:
-        raise ValueError("GOOGLE_API_KEY is not set.")
-
-    genai.configure(api_key=API_KEY)
-    generation_config = genai.types.GenerationConfig(
-        temperature=0.7,
-        max_output_tokens=8192,
-        top_k=10,
-        top_p=0.9
-    )
-
-    # Usar el valor por defecto para system_instruction si está vacío
-    if not system_instruction:
-        system_instruction = "1"  # O puedes poner un valor predeterminado como "No system instruction provided."
-
-    text_prompt = [chatbot[-1][0]] if chatbot and chatbot[-1][0] and isinstance(chatbot[-1][0], str) else []
-    image_prompt = [preprocess_image(Image.open(file).convert('RGB')) for file in files] if files else []
-    
-    model = genai.GenerativeModel(
-        model_name=model_choice,
-        generation_config=generation_config,
-        system_instruction=system_instruction  # Usar el valor por defecto si está vacío
-    )
-
-    # Se debe usar la generación de contenido multimodal para procesar imágenes y texto
-    response = model.generate_content(text_prompt + image_prompt, stream=True, generation_config=generation_config)
+import time
 
-    chatbot[-1][1] = ""
-    for chunk in response:
-        for i in range(0, len(chunk.text), 10):
-            section = chunk.text[i:i + 10]
-            chatbot[-1][1] += section
-            time.sleep(0.01)
-            yield chatbot
+def echo(message, history, system_prompt, tokens):
+    response = f"System prompt: {system_prompt}\n Message: {message}."
+    for i in range(min(len(response), int(tokens))):
+        time.sleep(0.05)
+        yield response[: i + 1]
 
-# Crear la interfaz de Gradio
 demo = gr.ChatInterface(
-    response,  # Función de chat para manejar texto y archivos
-    examples=[  # Ejemplos iniciales de mensajes
-        {"text": "No files", "files": []}
+    echo,
+    type="messages",
+    additional_inputs=[
+        gr.Textbox("You are helpful AI.", label="System Prompt"),
+        gr.Slider(10, 100),
     ],
-    multimodal=True,  # Activar la modalidad multimodal
-    textbox=gr.MultimodalTextbox(  # Configuración del cuadro de texto multimodal
-        file_count="multiple",  # Permitir múltiples archivos
-        file_types=["image"],  # Aceptar solo imágenes
-        sources=["upload", "microphone"]  # Fuentes de entrada: carga de archivos y micrófono
-    )
 )
 
-# Iniciar la interfaz
 demo.launch()