as

app.py

@@ -1,18 +1,39 @@
+import streamlit as st
+import requests
 from fastapi import FastAPI
 from pydantic import BaseModel
 import uvicorn
+import threading
 
-# Crear la clase de datos para FastAPI
-class Message(BaseModel):
-    text: str
+# Configurar Streamlit UI
+st.title("Mi Amigo Virtual 🤖")
+st.write("Escribe algo para que el bot responda:")
 
-# Crear la aplicación FastAPI
+user_input = st.text_input("Tu mensaje:")
+if st.button("Enviar"):
+    if user_input:
+        response = requests.post(
+            "http://localhost:7860/chat",
+            json={"text": user_input}
+        )
+        if response.status_code == 200:
+            st.write("Respuesta:", response.json()["response"])
+        else:
+            st.write("Error en la respuesta del servidor.")
+
+# Crear la API con FastAPI
 app = FastAPI()
 
+class Message(BaseModel):
+    text: str
+
 @app.post("/chat")
 def chat(msg: Message):
-    return {"response": f"¡Hola {msg.text}! Soy tu amigo virtual. ¿En qué puedo ayudarte hoy?"}
+    return {"response": f"Hola! Dijiste: {msg.text}"}
+
+# Función para ejecutar FastAPI en un hilo separado
+def run_api():
+    uvicorn.run(app, host="0.0.0.0", port=7860)
 
-# Iniciar la API de FastAPI
-if __name__ == "__main__":
-    uvicorn.run(app, host="0.0.0.0", port=8000)
+# Iniciar FastAPI en segundo plano
+threading.Thread(target=run_api, daemon=True).start()

requirements.txt

@@ -1,6 +1,4 @@
 transformers
 torch
 streamlit
-ffmpeg
-fastapi
-uvicorn
+ffmpeg