Create app.py

app.py

@@ -0,0 +1,122 @@
+import gradio as gr
+from huggingface_hub import InferenceClient
+import os
+import time
+
+# Obtén el token de manera segura desde el entorno
+hf_token = os.getenv("HF_API_TOKEN")
+
+# Clase para manejar múltiples modelos
+class ModelHandler:
+    def __init__(self, model_names, token):
+        self.clients = {model_key: InferenceClient(model_name, token=token) for model_key, model_name in model_names.items()}
+        self.current_model = list(model_names.keys())[0]
+
+    def switch_model(self, model_key):
+        if model_key in self.clients:
+            self.current_model = model_key
+        else:
+            raise ValueError(f"Modelo {model_key} no está disponible.")
+
+    def generate_response(self, input_text):
+        prompt = f"Debes de responder a cualquier pregunta:\nPregunta: {input_text}"
+        try:
+            messages = [{"role": "user", "content": prompt}]
+            client = self.clients[self.current_model]
+            response = client.chat_completion(messages=messages, max_tokens=500)
+            if hasattr(response, 'choices') and response.choices:
+                return response.choices[0].message.content
+            else:
+                return str(response)
+        except Exception as e:
+            return f"Error al realizar la inferencia: {e}"
+
+# Lista de modelos disponibles (con nombres amigables para la interfaz)
+model_names = {
+    "CHATBOT": "microsoft/Phi-3-mini-4k-instruct"
+}
+
+# Inicializa el manejador de modelos
+model_handler = ModelHandler(model_names, hf_token)
+
+# Define la función para generación de imágenes con progreso
+def generate_image_with_progress(prompt):
+    """
+    Genera una imagen utilizando el modelo de "stabilityai/stable-diffusion-2" y muestra un progreso.
+    """
+    try:
+        client = InferenceClient("stabilityai/stable-diffusion-2", token=hf_token)
+        
+        # Simular progreso
+        for progress in range(0, 101, 20):
+            time.sleep(0.5)
+            yield f"Generando imagen... {progress}% completado", None
+
+        image = client.text_to_image(prompt, width=512, height=512)
+        yield "Imagen generada con éxito", image
+    except Exception as e:
+        yield f"Error al generar la imagen: {e}", None
+
+# Configura la interfaz en Gradio con selección de modelos y generación de imágenes
+with gr.Blocks(title="Multi-Model LLM Chatbot with Image Generation") as demo:
+    gr.Markdown(
+        """
+        ## Chatbot Multi-Modelo LLM con Generación de Imágenes
+        Este chatbot permite elegir entre múltiples modelos de lenguaje para responder preguntas o generar imágenes 
+        a partir de descripciones.
+        """
+    )
+    with gr.Row():
+        model_dropdown = gr.Dropdown(
+            choices=list(model_names.keys()) + ["Generación de Imágenes"],
+            value="CHATBOT",
+            label="Seleccionar Acción/Modelo",
+            interactive=True
+        )
+    with gr.Row():
+        with gr.Column():
+            input_text = gr.Textbox(
+                lines=5,
+                placeholder="Escribe tu consulta o descripción para la imagen...",
+                label="Entrada"
+            )
+        with gr.Column():
+            output_display = gr.Textbox(
+                lines=5,
+                label="Estado",
+                interactive=False
+            )
+            output_image = gr.Image(
+                label="Imagen Generada",
+                interactive=False
+            )
+    submit_button = gr.Button("Enviar")
+    
+    # Define la función de actualización
+    def process_input(selected_action, user_input):
+        try:
+            if selected_action == "Generación de Imágenes":
+                # Manejamos el generador de progreso
+                progress_generator = generate_image_with_progress(user_input)
+                last_status = None
+                last_image = None
+                for status, image in progress_generator:
+                    last_status = status
+                    last_image = image
+                return last_status, last_image
+            else:
+                model_handler.switch_model(selected_action)
+                response = model_handler.generate_response(user_input)
+                return response, None
+        except Exception as e:
+            return f"Error: {e}", None
+    
+    # Conecta la función a los componentes
+    submit_button.click(
+        fn=process_input,
+        inputs=[model_dropdown, input_text],
+        outputs=[output_display, output_image]
+    )
+
+# Lanza la interfaz
+demo.launch()