Update app.py

app.py

@@ -6,6 +6,7 @@ from PIL import Image
 import google.generativeai as genai
 import gradio as gr
 from dotenv import load_dotenv
+import base64
 
 # Cargar las variables de entorno desde el archivo .env
 load_dotenv()
@@ -32,26 +33,16 @@ model = genai.GenerativeModel(
 # Inicializar la sesión de chat
 chat = model.start_chat(history=[])
 
-# Constantes para el manejo de imágenes
-IMAGE_CACHE_DIRECTORY = "/tmp"
-IMAGE_WIDTH = 512
-CHAT_HISTORY = List[Tuple[Optional[Union[Tuple[str], str]], Optional[str]]]
-
-# Función para preprocesar una imagen
-def preprocess_image(image: Image.Image) -> Optional[Image.Image]:
-    """Redimensiona una imagen manteniendo la relación de aspecto."""
-    if image:
-        image_height = int(image.height * IMAGE_WIDTH / image.width)
-        return image.resize((IMAGE_WIDTH, image_height))
-
-# Función para almacenar una imagen en caché
-def cache_pil_image(image: Image.Image) -> str:
-    """Guarda la imagen como archivo JPEG en un directorio temporal."""
-    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 transformar una imagen en un blob compatible con Gemini
+def image_to_blob(image: Image.Image) -> dict:
+    """Convierte una imagen a un blob compatible con Gemini."""
+    buffered = io.BytesIO()
+    image.save(buffered, format="JPEG")
+    image_data = base64.b64encode(buffered.getvalue()).decode()
+    return {
+        "mime_type": "image/jpeg",
+        "data": image_data
+    }
 
 # Función para transformar el historial de Gradio al formato de Gemini
 def transform_history(history):
@@ -81,16 +72,16 @@ def response(message, history):
     if files:
         for file in files:
             image = Image.open(file).convert('RGB')
-            image_preview = preprocess_image(image)
-            if image_preview:
-                image_path = cache_pil_image(image)  # Convertir imagen a ruta
-                image_prompts.append(image_path)  # Usar la ruta en lugar del objeto PIL.Image
+            image_blob = image_to_blob(image)
+            image_prompts.append(image_blob)
 
-    # Combinar texto y rutas de imágenes para el modelo
-    prompts = [text_prompt] + image_prompts
+    # Crear las partes para el modelo
+    parts = [{"text": text_prompt}]
+    for img_blob in image_prompts:
+        parts.append({"inline_data": img_blob})
 
-    # Generar contenido con el modelo
-    response = chat.send_message({"text": text_prompt, "images": image_prompts})
+    # Enviar el mensaje al modelo
+    response = chat.send_message({"parts": parts})
     response.resolve()
 
     # Generar respuesta carácter por carácter para una experiencia más fluida