app.py

import gradio as gr
from transformers import T5Tokenizer, T5ForConditionalGeneration
from deep_translator import GoogleTranslator
import torch
# Limitar el uso de CPU para servidores lentos
torch.set_num_threads(1)
torch.set_num_interop_threads(1)
# Cargar modelo
tokenizer = T5Tokenizer.from_pretrained("cssupport/t5-small-awesome-text-to-sql")
model = T5ForConditionalGeneration.from_pretrained("cssupport/t5-small-awesome-text-to-sql")
# Esquema de base de datos
SCHEMA = """
Database schema:
Table bodegas(Id, Nombre, Encargado, Telefono, Email, Direccion, Horario, Regional, Latitud, Longitud)
Table maestra(CodigoSap, Descripcion, Grupo, Agrupador, Marca, Parte, Operacion, Componente)
"""

# Función principal
def generar_sql(pregunta_espanol):
   try:
       # Traducir pregunta a inglés
       pregunta_ingles = GoogleTranslator(source="es", target="en").translate(pregunta_espanol)
       # Crear prompt
       prompt = f"{SCHEMA}\ntranslate English to SQL: {pregunta_ingles}"
       input_ids = tokenizer(prompt, return_tensors="pt").input_ids
       output = model.generate(input_ids, max_length=128)
       sql = tokenizer.decode(output[0], skip_special_tokens=True)
       return sql
   except Exception as e:
       return f"Error: {str(e)}"
# Interfaz Gradio
iface = gr.Interface(
   fn=generar_sql,
   inputs=gr.Textbox(lines=3, label="Pregunta en español"),
   outputs=gr.Textbox(label="Consulta SQL generada"),
   title="Texto a SQL (entrada en español)",
   description="Escribe una pregunta en español sobre la base de datos y obtén la consulta SQL."
)
iface.launch()