Update app.py

app.py

@@ -4,24 +4,24 @@ import whisper
 import tempfile
 import gradio as gr
 from pydub import AudioSegment
-import fitz  # PyMuPDF para manejar PDFs
-import docx  # Para manejar archivos .docx
-import pandas as pd  # Para manejar archivos .xlsx y .csv
-# from google.colab import userdata  # Importa userdata de google.colab
+import fitz  # PyMuPDF for handling PDFs
+import docx  # For handling .docx files
+import pandas as pd  # For handling .xlsx and .csv files
+# from google.colab import userdata  # Import userdata from google.colab
 import requests
 from bs4 import BeautifulSoup
 
-# Configura tu clave API de OpenAI usando Google Colab userdata
+# Configure your OpenAI API key using Google Colab userdata
 # openai.api_key = userdata.get('OPENAI_API_KEY')
 
-# Cargar las variables de entorno desde el entorno de Hugging Face
+# Load environment variables from the Hugging Face environment
 openai.api_key = os.getenv("OPENAI_API_KEY")
 
-# Cargar el modelo Whisper de mayor calidad una vez
+# Load the highest quality Whisper model once
 model = whisper.load_model("large")
 
 def preprocess_audio(audio_file):
-    """Preprocesa el archivo de audio para mejorar la calidad."""
+    """Preprocess the audio file to improve quality."""
     try:
         audio = AudioSegment.from_file(audio_file)
         audio = audio.apply_gain(-audio.dBFS + (-20))
@@ -29,150 +29,150 @@ def preprocess_audio(audio_file):
             audio.export(temp_file.name, format="mp3")
             return temp_file.name
     except Exception as e:
-        return f"Error al preprocesar el archivo de audio: {str(e)}"
+        return f"Error preprocessing the audio file: {str(e)}"
 
-def transcribir_audio(audio_file):
-    """Transcribe un archivo de audio."""
+def transcribe_audio(audio_file):
+    """Transcribe an audio file."""
     try:
-        archivo_path = preprocess_audio(audio_file) if isinstance(audio_file, str) else preprocess_audio(tempfile.NamedTemporaryFile(delete=False, suffix=".mp3", mode='w+b').name)
-        resultado = model.transcribe(archivo_path)
-        return resultado.get("text", "Error en la transcripción")
+        file_path = preprocess_audio(audio_file) if isinstance(audio_file, str) else preprocess_audio(tempfile.NamedTemporaryFile(delete=False, suffix=".mp3", mode='w+b').name)
+        result = model.transcribe(file_path)
+        return result.get("text", "Error in transcription")
     except Exception as e:
-        return f"Error al procesar el archivo de audio: {str(e)}"
+        return f"Error processing the audio file: {str(e)}"
 
-def leer_documento(documento_path):
-    """Lee el contenido de un documento PDF, DOCX, XLSX o CSV."""
+def read_document(document_path):
+    """Read the content of a PDF, DOCX, XLSX or CSV document."""
     try:
-        if documento_path.endswith(".pdf"):
-            doc = fitz.open(documento_path)
-            return "\n".join([pagina.get_text() for pagina in doc])
-        elif documento_path.endswith(".docx"):
-            doc = docx.Document(documento_path)
-            return "\n".join([parrafo.text for parrafo in doc.paragraphs])
-        elif documento_path.endswith(".xlsx"):
-            return pd.read_excel(documento_path).to_string()
-        elif documento_path.endswith(".csv"):
-            return pd.read_csv(documento_path).to_string()
+        if document_path.endswith(".pdf"):
+            doc = fitz.open(document_path)
+            return "\n".join([page.get_text() for page in doc])
+        elif document_path.endswith(".docx"):
+            doc = docx.Document(document_path)
+            return "\n".join([paragraph.text for paragraph in doc.paragraphs])
+        elif document_path.endswith(".xlsx"):
+            return pd.read_excel(document_path).to_string()
+        elif document_path.endswith(".csv"):
+            return pd.read_csv(document_path).to_string()
         else:
-            return "Tipo de archivo no soportado. Por favor suba un documento PDF, DOCX, XLSX o CSV."
+            return "Unsupported file type. Please upload a PDF, DOCX, XLSX or CSV document."
     except Exception as e:
-        return f"Error al leer el documento: {str(e)}"
+        return f"Error reading the document: {str(e)}"
 
-def leer_url(url):
-    """Lee el contenido de una URL."""
+def read_url(url):
+    """Read the content of a URL."""
     try:
         response = requests.get(url)
         response.raise_for_status()
         soup = BeautifulSoup(response.content, 'html.parser')
         return soup.get_text()
     except Exception as e:
-        return f"Error al leer la URL: {str(e)}"
+        return f"Error reading the URL: {str(e)}"
 
-def generar_noticia(instrucciones, hechos, tamaño, tono, urls, *args):
-    """Genera una noticia a partir de instrucciones, hechos, URLs, documentos y transcripciones."""
-    base_de_conocimiento = {"instrucciones": instrucciones, "hechos": hechos, "contenido_documentos": [], "audio_data": [], "contenido_urls": []}
-    num_audios = 5 * 3  # 5 audios * 3 campos (audio, nombre, cargo)
+def generate_news(instructions, facts, size, tone, urls, *args):
+    """Generate a news article based on instructions, facts, URLs, documents, and transcriptions."""
+    knowledge_base = {"instructions": instructions, "facts": facts, "document_content": [], "audio_data": [], "url_content": []}
+    num_audios = 5 * 3  # 5 audios * 3 fields (audio, name, position)
     audios = args[:num_audios]
-    documentos = args[num_audios:]
+    documents = args[num_audios:]
 
     for url in urls.split():
         if url:
-            base_de_conocimiento["contenido_urls"].append(leer_url(url))
+            knowledge_base["url_content"].append(read_url(url))
 
-    for documento in documentos:
-        if documento is not None:
-            base_de_conocimiento["contenido_documentos"].append(leer_documento(documento.name))
+    for document in documents:
+        if document is not None:
+            knowledge_base["document_content"].append(read_document(document.name))
 
     for i in range(0, len(audios), 3):
-        audio_file, nombre, cargo = audios[i:i+3]
+        audio_file, name, position = audios[i:i+3]
         if audio_file is not None:
-            base_de_conocimiento["audio_data"].append({"audio": audio_file, "nombre": nombre, "cargo": cargo})
+            knowledge_base["audio_data"].append({"audio": audio_file, "name": name, "position": position})
 
-    transcripciones_texto, transcripciones_brutas, total_citas_directas = "", "", 0
+    transcriptions_text, raw_transcriptions, total_direct_quotes = "", "", 0
 
-    for idx, data in enumerate(base_de_conocimiento["audio_data"]):
+    for idx, data in enumerate(knowledge_base["audio_data"]):
         if data["audio"] is not None:
-            transcripcion = transcribir_audio(data["audio"])
-            transcripcion_texto = f'"{transcripcion}" - {data["nombre"]}, {data["cargo"]}'
-            transcripcion_bruta = f'[Audio {idx + 1}]: "{transcripcion}" - {data["nombre"]}, {data["cargo"]}'
-            if total_citas_directas < len(base_de_conocimiento["audio_data"]) * 0.8:
-                transcripciones_texto += transcripcion_texto + "\n"
-                total_citas_directas += 1
+            transcription = transcribe_audio(data["audio"])
+            transcription_text = f'"{transcription}" - {data["name"]}, {data["position"]}'
+            raw_transcription = f'[Audio {idx + 1}]: "{transcription}" - {data["name"]}, {data["position"]}'
+            if total_direct_quotes < len(knowledge_base["audio_data"]) * 0.8:
+                transcriptions_text += transcription_text + "\n"
+                total_direct_quotes += 1
             else:
-                transcripciones_texto += f'{data["nombre"]} mencionó que {transcripcion}' + "\n"
-            transcripciones_brutas += transcripcion_bruta + "\n\n"
-
-    contenido_documentos = "\n\n".join(base_de_conocimiento["contenido_documentos"])
-    contenido_urls = "\n\n".join(base_de_conocimiento["contenido_urls"])
-
-    prompt_interno = """
-    Instrucciones para el modelo:
-    - Debes seguir los principios de una noticia: es decir, procura siempre responder las 5 W de una noticia en el primer párrafo (Who?, What?, When?, Where?, Why?).
-    - Asegúrate de que al menos el 80% de las citas sean directas y estén entrecomilladas.
-    - El 20% restante puede ser citas indirectas.
-    - No inventes información nueva.
-    - Sé riguroso con los hechos proporcionados.
-    - Al procesar los documentos cargados, extrae y resalta citas importantes y testimonios textuales de las fuentes.
-    - Al procesar los documentos cargados, extrae y resalta cifras clave.
+                transcriptions_text += f'{data["name"]} mentioned that {transcription}' + "\n"
+            raw_transcriptions += raw_transcription + "\n\n"
+
+    document_content = "\n\n".join(knowledge_base["document_content"])
+    url_content = "\n\n".join(knowledge_base["url_content"])
+
+    internal_prompt = """
+    Instructions for the model:
+    - Follow the principles of news writing: always try to answer the 5 Ws of a news story in the first paragraph (Who?, What?, When?, Where?, Why?).
+    - Ensure that at least 80% of the quotes are direct and in quotation marks.
+    - The remaining 20% can be indirect quotes.
+    - Do not invent new information.
+    - Be rigorous with the provided facts.
+    - When processing uploaded documents, extract and highlight important quotes and verbatim testimonies from sources.
+    - When processing uploaded documents, extract and highlight key figures.
     """
 
     prompt = f"""
-    {prompt_interno}
-    Escribe una noticia con la siguiente información, incluyendo un título, un gancho de 15 palabras (el gancho es lo que se conoce en inglés como hook, información adicional que complementa el título), y el cuerpo del contenido cuyo tamaño es {tamaño} palabras. El tono debe ser {tono}.
-    Instrucciones: {base_de_conocimiento["instrucciones"]}
-    Hechos: {base_de_conocimiento["hechos"]}
-    Contenido adicional de los documentos: {contenido_documentos}
-    Contenido adicional de las URLs: {contenido_urls}
-    Utiliza las siguientes transcripciones como citas directas e indirectas (sin cambiar ni inventar contenido):
-    {transcripciones_texto}
+    {internal_prompt}
+    Write a news article with the following information, including a title, a 15-word hook (additional information that complements the title), and the body content with a size of {size} words. The tone should be {tone}.
+    Instructions: {knowledge_base["instructions"]}
+    Facts: {knowledge_base["facts"]}
+    Additional content from documents: {document_content}
+    Additional content from URLs: {url_content}
+    Use the following transcriptions as direct and indirect quotes (without changing or inventing content):
+    {transcriptions_text}
     """
 
     try:
-        respuesta = openai.ChatCompletion.create(
+        response = openai.ChatCompletion.create(
             model="gpt-3.5-turbo",
             messages=[{"role": "user", "content": prompt}],
             temperature=0.1
         )
-        noticia = respuesta['choices'][0]['message']['content']
-        return noticia, transcripciones_brutas
+        news_article = response['choices'][0]['message']['content']
+        return news_article, raw_transcriptions
     except Exception as e:
-        return f"Error al generar la noticia: {str(e)}", ""
+        return f"Error generating the news article: {str(e)}", ""
 
 with gr.Blocks() as demo:
-    gr.Markdown("## Generador noticias todo en uno")
+    gr.Markdown("## All-in-One News Generator")
     with gr.Row():
         with gr.Column(scale=2):
-            instrucciones = gr.Textbox(label="Instrucciones para la noticia", lines=2)
-            hechos = gr.Textbox(label="Describe los hechos de la noticia", lines=4)
-            tamaño = gr.Number(label="Tamaño del cuerpo de la noticia (en palabras)", value=100)
-            tono = gr.Dropdown(label="Tono de la noticia", choices=["serio", "neutral", "divertido"], value="neutral")
-            urls = gr.Textbox(label="URLs (separadas por espacio)", lines=2)
+            instructions = gr.Textbox(label="Instructions for the news article", lines=2)
+            facts = gr.Textbox(label="Describe the facts of the news", lines=4)
+            size = gr.Number(label="Size of the news body (in words)", value=100)
+            tone = gr.Dropdown(label="Tone of the news", choices=["serious", "neutral", "lighthearted"], value="neutral")
+            urls = gr.Textbox(label="URLs (separated by space)", lines=2)
         with gr.Column(scale=3):
-            inputs_list = [instrucciones, hechos, tamaño, tono, urls]
+            inputs_list = [instructions, facts, size, tone, urls]
             with gr.Tabs():
                 for i in range(1, 6):
                     with gr.TabItem(f"Audio {i}"):
                         audio = gr.Audio(type="filepath", label=f"Audio {i}")
-                        nombre = gr.Textbox(label="Nombre", scale=1)
-                        cargo = gr.Textbox(label="Cargo", scale=1)
-                        inputs_list.extend([audio, nombre, cargo])
+                        name = gr.Textbox(label="Name", scale=1)
+                        position = gr.Textbox(label="Position", scale=1)
+                        inputs_list.extend([audio, name, position])
                 for i in range(1, 6):
-                    with gr.TabItem(f"Documento {i}"):
-                        documento = gr.File(label=f"Documento {i}", type="filepath", file_count="single")
-                        inputs_list.append(documento)
+                    with gr.TabItem(f"Document {i}"):
+                        document = gr.File(label=f"Document {i}", type="filepath", file_count="single")
+                        inputs_list.append(document)
 
-    gr.Markdown("---") # Separador visual
+    gr.Markdown("---") # Visual separator
 
     with gr.Row():
-        transcripciones_output = gr.Textbox(label="Transcripciones", lines=10)
+        transcriptions_output = gr.Textbox(label="Transcriptions", lines=10)
 
-    gr.Markdown("---") # Separador visual
+    gr.Markdown("---") # Visual separator
 
     with gr.Row():
-        generar = gr.Button("Generar borrador")
+        generate = gr.Button("Generate draft")
     with gr.Row():
-        noticia_output = gr.Textbox(label="Borrador generado", lines=20)
+        news_output = gr.Textbox(label="Generated draft", lines=20)
 
-    generar.click(fn=generar_noticia, inputs=inputs_list, outputs=[noticia_output, transcripciones_output])
+    generate.click(fn=generate_news, inputs=inputs_list, outputs=[news_output, transcriptions_output])
 
-demo.launch(share=True)
+demo.launch(share=True)