Create app.py

app.py

@@ -0,0 +1,629 @@
+import gradio as gr
+import os
+import requests
+from huggingface_hub import InferenceClient
+import json
+import pandas as pd
+import io
+import base64
+from PIL import Image
+import time
+
+# Inicializar cliente de Hugging Face
+def get_client():
+    hf_token = os.getenv('HF_TOKEN')
+    if hf_token:
+        return InferenceClient(token=hf_token)
+    else:
+        print("❌ Por favor configura tu token de Hugging Face como variable de entorno HF_TOKEN")
+        print("Ve a [Hugging Face Tokens](https://huggingface.co/settings/tokens) para obtener tu token")
+        return None
+
+client = get_client()
+
+# ========== FUNCIONES COMPARTIDAS ==========
+def analizar_sentimiento(texto):
+    if not texto:
+        return None
+    try:
+        resultado = client.text_classification(
+            texto,
+            model="cardiffnlp/twitter-roberta-base-sentiment-latest"
+        )
+        return resultado[0] if resultado else None
+    except Exception as e:
+        print(f"Error en análisis de sentimiento: {e}")
+        return None
+
+# ========== 1. ASISTENTE VIRTUAL ==========
+def asistente_virtual(mensaje, historial):
+    if not mensaje:
+        return "", historial, ""
+    
+    # Analizar sentimiento del nuevo mensaje
+    sentiment = analizar_sentimiento(mensaje)
+    
+    # Generar respuesta adaptativa
+    system_message = "Eres un asistente útil y amable."
+    if sentiment and sentiment['label'] == 'negative':
+        system_message += " El usuario parece estar expresando emociones negativas, sé especialmente empático y comprensivo."
+    elif sentiment and sentiment['label'] == 'positive':
+        system_message += " El usuario parece estar de buen humor, mantén un tono alegre y positivo."
+
+    try:
+        # Preparar mensajes para el modelo - usando un modelo de Hugging Face válido
+        messages = f"{system_message}\n\nHistorial de conversación:\n"
+        
+        # Agregar historial reciente
+        for user_msg, assistant_msg in historial[-4:]:
+            messages += f"Usuario: {user_msg}\nAsistente: {assistant_msg}\n"
+        
+        messages += f"Usuario: {mensaje}\nAsistente:"
+
+        # Usar un modelo de chat válido de Hugging Face
+        response = client.text_generation(
+            prompt=messages,
+            model="microsoft/DialoGPT-medium",  # Modelo de chat válido
+            max_new_tokens=500,
+            temperature=0.7,
+            do_sample=True
+        )
+
+        respuesta = response.strip()
+        
+        # Agregar al historial
+        historial.append([mensaje, respuesta])
+        
+        info_sentimiento = ""
+        if sentiment:
+            info_sentimiento = f"Análisis de sentimiento: {sentiment['label']} (score: {sentiment['score']:.2f})"
+        
+        return "", historial, info_sentimiento
+    
+    except Exception as e:
+        error_msg = f"Error al generar respuesta: {e}"
+        historial.append([mensaje, error_msg])
+        return "", historial, f"Error: {str(e)}"
+
+# ========== 2. GENERADOR MULTIMEDIA ==========
+def generar_multimedia(tema, estilo_articulo, estilo_imagen):
+    if not tema:
+        return "Por favor ingresa un tema", None
+    
+    try:
+        # Generar artículo con modelo válido
+        prompt_articulo = f"""
+        Escribe un artículo {estilo_articulo.lower()} sobre: {tema}
+
+        Requisitos:
+        - Título atractivo
+        - Introducción convincente
+        - 3-4 párrafos de desarrollo
+        - Conclusión impactante
+        - Incluir datos interesantes
+        """
+
+        articulo = client.text_generation(
+            prompt=prompt_articulo,
+            model="microsoft/DialoGPT-medium",
+            max_new_tokens=800,
+            temperature=0.7,
+            do_sample=True
+        )
+
+        articulo_texto = articulo.strip()
+
+        # Generar imagen - usando un modelo válido
+        try:
+            prompt_imagen = f"{tema}, estilo {estilo_imagen.lower()}, alta calidad, detallado"
+            imagen = client.text_to_image(
+                prompt=prompt_imagen,
+                model="runwayml/stable-diffusion-v1-5"  # Modelo de imagen válido
+            )
+            return articulo_texto, imagen
+        except Exception as img_error:
+            print(f"Error generando imagen: {img_error}")
+            # Retornar una imagen placeholder o mensaje de error
+            return articulo_texto, None
+    
+    except Exception as e:
+        return f"Error al generar contenido: {e}", None
+
+# ========== 3. BÚSQUEDA INTELIGENTE ==========
+documentos_ejemplo = {
+    "Tecnología": [
+        "Los transformers son arquitecturas de deep learning que han revolucionado el procesamiento de lenguaje natural.",
+        "Hugging Face proporciona acceso a miles de modelos pre-entrenados para diferentes tareas de IA.",
+        "El aprendizaje por transferencia permite usar modelos pre-entrenados y adaptarlos a tareas específicas."
+    ],
+    "Ciencia": [
+        "La teoría de la relatividad general de Einstein describe la gravedad como curvatura del espacio-tiempo.",
+        "El método científico consiste en observación, hipótesis, experimentación y conclusión.",
+        "La mecánica cuántica estudia el comportamiento de partículas a nivel subatómico."
+    ],
+    "Programación": [
+        "Python es un lenguaje de programación interpretado conocido por su sintaxis clara y legible.",
+        "Git es un sistema de control de versiones distribuido para gestionar cambios en el código.",
+        "Las APIs REST permiten la comunicación entre aplicaciones mediante protocolos web estándar."
+    ]
+}
+
+def buscar_informacion(consulta, categoria):
+    if not consulta:
+        return "Por favor ingresa una consulta", ""
+    
+    try:
+        # Simular búsqueda semántica
+        documentos_relevantes = []
+        for doc in documentos_ejemplo[categoria]:
+            if any(palabra.lower() in doc.lower() for palabra in consulta.split()):
+                documentos_relevantes.append(doc)
+
+        if not documentos_relevantes:
+            documentos_relevantes = documentos_ejemplo[categoria][:2]  # Fallback
+
+        contexto = " ".join(documentos_relevantes)
+
+        # Generar respuesta contextual
+        prompt = f"""
+        Basándote en el siguiente contexto, responde a la consulta del usuario de manera precisa y útil.
+
+        Contexto:
+        {contexto}
+
+        Consulta: {consulta}
+
+        Responde de forma clara y concisa, citando información del contexto cuando sea relevante.
+        """
+
+        respuesta = client.text_generation(
+            prompt=prompt,
+            model="microsoft/DialoGPT-medium",
+            max_new_tokens=400,
+            temperature=0.3,
+            do_sample=True
+        )
+
+        respuesta_texto = respuesta.strip()
+        documentos_usados = "\n".join([f"• {doc}" for doc in documentos_relevantes])
+        
+        return respuesta_texto, documentos_usados
+    
+    except Exception as e:
+        return f"Error en la búsqueda: {e}", ""
+
+# ========== 4. TRADUCTOR CULTURAL ==========
+def traducir_con_texto(texto_traducir, idioma_origen, idioma_destino, contexto_cultural):
+    if not texto_traducir:
+        return "Por favor ingresa texto para traducir"
+    
+    try:
+        prompt = f"""
+        Traduce el siguiente texto del {idioma_origen} al {idioma_destino}, considerando cuidadosamente los matices culturales y lingüísticos.
+
+        {f"Contexto cultural específico: {contexto_cultural}" if contexto_cultural else ""}
+
+        Texto a traducir:
+        "{texto_traducir}"
+
+        Instrucciones:
+        1. Mantén el tono y estilo original
+        2. Adapta referencias culturales cuando sea necesario
+        3. Conserva el significado preciso
+        4. Usa lenguaje natural y fluido
+
+        Traducción:
+        """
+
+        respuesta = client.text_generation(
+            prompt=prompt,
+            model="microsoft/DialoGPT-medium",
+            max_new_tokens=600,
+            temperature=0.3,
+            do_sample=True
+        )
+
+        return respuesta.strip()
+    
+    except Exception as e:
+        return f"Error en la traducción: {e}"
+
+# ========== 5. ASISTENTE DE CÓDIGO ==========
+def generar_codigo(problema, lenguaje, nivel_complejidad):
+    if not problema:
+        return "Por favor describe tu problema de programación"
+    
+    try:
+        prompt = f"""
+        Como experto en {lenguaje}, resuelve el siguiente problema de programación para un nivel {nivel_complejidad.lower()}:
+
+        Problema: {problema}
+
+        Proporciona:
+        1. Código completo y funcional
+        2. Explicación clara de la solución
+        3. Ejemplos de uso
+        4. Consideraciones de mejores prácticas
+
+        Formatea el código adecuadamente y sé preciso en las explicaciones.
+
+        Respuesta:
+        """
+
+        respuesta = client.text_generation(
+            prompt=prompt,
+            model="microsoft/DialoGPT-medium",
+            max_new_tokens=800,
+            temperature=0.3,
+            do_sample=True
+        )
+
+        return respuesta.strip()
+    
+    except Exception as e:
+        return f"Error al generar solución: {e}"
+
+# ========== 6. ANALIZADOR DE DATOS ==========
+datos_ejemplo = {
+    'Producto': ['Laptop', 'Tablet', 'Smartphone', 'Monitor', 'Teclado'],
+    'Ventas': [120, 85, 200, 75, 90],
+    'Precio': [1200, 450, 800, 300, 80],
+    'Región': ['Norte', 'Sur', 'Norte', 'Este', 'Oeste'],
+    'Mes': ['Enero', 'Enero', 'Febrero', 'Febrero', 'Marzo']
+}
+
+def analizar_datos(pregunta, usar_ejemplo):
+    if not pregunta:
+        return "Por favor ingresa una pregunta sobre los datos", None, None
+    
+    try:
+        if usar_ejemplo:
+            datos = pd.DataFrame(datos_ejemplo)
+        else:
+            return "Funcionalidad de subida de archivos disponible en implementación completa", None, None
+
+        # Convertir datos a formato legible
+        resumen_datos = f"""
+        Dataset con {len(datos)} filas y {len(datos.columns)} columnas.
+
+        Columnas disponibles: {list(datos.columns)}
+
+        Primeras filas:
+        {datos.head().to_string()}
+
+        Resumen estadístico:
+        {datos.describe().to_string()}
+        """
+
+        prompt = f"""
+        Eres un asistente de análisis de datos. Basándote en el siguiente resumen de datos, responde a la pregunta del usuario.
+
+        Resumen de Datos:
+        {resumen_datos}
+
+        Pregunta del Usuario: {pregunta}
+
+        Responde de forma clara y concisa, enfocándote en la pregunta.
+
+        Respuesta:
+        """
+
+        respuesta = client.text_generation(
+            prompt=prompt,
+            model="microsoft/DialoGPT-medium",
+            max_new_tokens=600,
+            temperature=0.3,
+            do_sample=True
+        )
+
+        # Crear una visualización simple
+        tabla_html = datos.head().to_html(classes='table table-striped')
+        
+        return respuesta.strip(), tabla_html, datos.describe().to_html(classes='table table-striped')
+    
+    except Exception as e:
+        return f"Error al analizar datos: {e}", None, None
+
+# ========== INTERFAZ GRADIO ==========
+with gr.Blocks(theme=gr.themes.Soft(), title="Asistente Multifuncional IA") as demo:
+    gr.Markdown("# 🤖 Asistente Multifuncional con Hugging Face")
+    gr.Markdown("Esta aplicación integra múltiples funcionalidades de IA usando Hugging Face Inference API")
+    
+    with gr.Tab("🏠 Inicio"):
+        gr.Markdown("""
+        ## Bienvenido al Asistente Multifuncional
+        
+        ### 🎯 Funcionalidades disponibles:
+
+        **1. Asistente Virtual Multifuncional**
+        - Chat inteligente con análisis de sentimiento
+        - Respuestas adaptativas según el estado emocional
+
+        **2. Generador de Contenido Multimedia**
+        - Creación de artículos e imágenes
+        - Contenido coherente y visualmente atractivo
+
+        **3. Sistema de Búsqueda Inteligente**
+        - Búsqueda semántica en documentos
+        - Respuestas contextuales
+
+        **4. Traductor con Contexto Cultural**
+        - Traducciones que consideran matices culturales
+        - Adaptación local del contenido
+
+        **5. Asistente de Código Inteligente**
+        - Generación y explicación de código
+        - Soporte para múltiples lenguajes de programación
+
+        **6. Analizador de Datos Conversacional**
+        - Análisis de datasets mediante lenguaje natural
+        - Insights y visualizaciones sugeridas
+
+        ### 🔧 Modelos utilizados:
+        - **Chat y Texto:** Microsoft DialoGPT-medium
+        - **Imágenes:** Stable Diffusion v1.5
+        - **Análisis de Sentimiento:** Twitter RoBERTa
+        """)
+    
+    with gr.Tab("1️⃣ Asistente Virtual"):
+        gr.Markdown("## 🤖 Asistente Virtual Multifuncional")
+        
+        chatbot = gr.Chatbot(
+            label="Conversación", 
+            height=400,
+            show_copy_button=True
+        )
+        msg = gr.Textbox(
+            label="Escribe tu mensaje", 
+            placeholder="¿En qué puedo ayudarte?",
+            max_lines=3
+        )
+        sentimiento_info = gr.Textbox(
+            label="Información de Sentimiento", 
+            interactive=False
+        )
+        
+        with gr.Row():
+            clear_btn = gr.Button("🧹 Limpiar Chat", variant="secondary")
+            submit_btn = gr.Button("📤 Enviar", variant="primary")
+        
+        def clear_chat():
+            return [], ""
+        
+        def send_message(message, history):
+            return asistente_virtual(message, history)
+        
+        msg.submit(send_message, [msg, chatbot], [msg, chatbot, sentimiento_info])
+        submit_btn.click(send_message, [msg, chatbot], [msg, chatbot, sentimiento_info])
+        clear_btn.click(clear_chat, outputs=[chatbot, sentimiento_info])
+    
+    with gr.Tab("2️⃣ Generador Multimedia"):
+        gr.Markdown("## 🎨 Generador de Contenido Multimedia")
+        
+        with gr.Row():
+            with gr.Column():
+                tema = gr.Textbox(
+                    label="Tema del contenido:", 
+                    placeholder="Ej: inteligencia artificial en la medicina moderna"
+                )
+                estilo_articulo = gr.Dropdown(
+                    ["Informativo", "Persuasivo", "Narrativo", "Técnico"], 
+                    label="Estilo del artículo:", 
+                    value="Informativo"
+                )
+                estilo_imagen = gr.Dropdown(
+                    ["Realista", "Artístico", "Futurista", "Minimalista"], 
+                    label="Estilo de imagen:", 
+                    value="Realista"
+                )
+                generar_btn = gr.Button("🎭 Generar Contenido Multimedia", variant="primary")
+            
+            with gr.Column():
+                articulo_output = gr.Textbox(
+                    label="📝 Artículo Generado", 
+                    lines=10,
+                    show_copy_button=True
+                )
+                imagen_output = gr.Image(
+                    label="🖼️ Imagen Generada",
+                    height=300
+                )
+        
+        generar_btn.click(
+            generar_multimedia,
+            inputs=[tema, estilo_articulo, estilo_imagen],
+            outputs=[articulo_output, imagen_output]
+        )
+    
+    with gr.Tab("3️⃣ Búsqueda Inteligente"):
+        gr.Markdown("## 🔍 Sistema de Búsqueda Inteligente")
+        
+        with gr.Row():
+            with gr.Column():
+                categoria = gr.Dropdown(
+                    list(documentos_ejemplo.keys()), 
+                    label="Categoría:", 
+                    value="Tecnología"
+                )
+                consulta = gr.Textbox(
+                    label="Consulta de búsqueda:",
+                    placeholder="Escribe tu pregunta aquí..."
+                )
+                buscar_btn = gr.Button("🔎 Buscar", variant="primary")
+                
+                gr.Markdown("### 📚 Documentos en la categoría:")
+                documentos_text = gr.Textbox(
+                    lines=5, 
+                    interactive=False,
+                    show_copy_button=True
+                )
+            
+            with gr.Column():
+                respuesta_output = gr.Textbox(
+                    label="💡 Respuesta Inteligente", 
+                    lines=8,
+                    show_copy_button=True
+                )
+                documentos_usados = gr.Textbox(
+                    label="📖 Documentos utilizados", 
+                    lines=4,
+                    show_copy_button=True
+                )
+        
+        def actualizar_documentos(categoria):
+            docs = documentos_ejemplo.get(categoria, [])
+            return "\n".join([f"• {doc}" for doc in docs])
+        
+        categoria.change(
+            actualizar_documentos,
+            inputs=[categoria],
+            outputs=[documentos_text]
+        )
+        
+        buscar_btn.click(
+            buscar_informacion,
+            inputs=[consulta, categoria],
+            outputs=[respuesta_output, documentos_usados]
+        )
+    
+    with gr.Tab("4️⃣ Traductor Cultural"):
+        gr.Markdown("## 🌍 Traductor con Contexto Cultural")
+        
+        with gr.Row():
+            with gr.Column():
+                texto_traducir = gr.Textbox(
+                    label="Texto a traducir:", 
+                    lines=4, 
+                    placeholder="Ingresa el texto que quieres traducir..."
+                )
+                idioma_origen = gr.Dropdown(
+                    ["español", "inglés", "francés", "alemán", "italiano", "portugués"], 
+                    label="Idioma origen:", 
+                    value="español"
+                )
+                idioma_destino = gr.Dropdown(
+                    ["inglés", "español", "francés", "alemán", "italiano", "portugués"], 
+                    label="Idioma destino:", 
+                    value="inglés"
+                )
+                contexto_cultural = gr.Textbox(
+                    label="Contexto cultural específico (opcional):", 
+                    placeholder="Ej: lenguaje formal, jerga juvenil, términos técnicos..."
+                )
+                traducir_btn = gr.Button("🔄 Traducir", variant="primary")
+            
+            with gr.Column():
+                traduccion_output = gr.Textbox(
+                    label="📄 Traducción Resultante", 
+                    lines=8,
+                    show_copy_button=True
+                )
+        
+        traducir_btn.click(
+            traducir_con_texto,
+            inputs=[texto_traducir, idioma_origen, idioma_destino, contexto_cultural],
+            outputs=[traduccion_output]
+        )
+    
+    with gr.Tab("5️⃣ Asistente Código"):
+        gr.Markdown("## 💻 Asistente de Código Inteligente")
+        
+        with gr.Row():
+            with gr.Column():
+                problema = gr.Textbox(
+                    label="Describe tu problema de programación:", 
+                    lines=3, 
+                    placeholder="Ej: Necesito una función que calcule el factorial de un número..."
+                )
+                lenguaje = gr.Dropdown(
+                    ["Python", "JavaScript", "Java", "C++", "C#", "Go", "Rust", "PHP", "SQL"], 
+                    label="Lenguaje de programación:", 
+                    value="Python"
+                )
+                nivel_complejidad = gr.Radio(
+                    ["Básico", "Intermedio", "Avanzado"], 
+                    label="Nivel de complejidad:", 
+                    value="Intermedio"
+                )
+                generar_codigo_btn = gr.Button("👨‍💻 Generar Solución", variant="primary")
+            
+            with gr.Column():
+                solucion_output = gr.Textbox(
+                    label="💡 Solución de Código", 
+                    lines=12,
+                    show_copy_button=True
+                )
+        
+        generar_codigo_btn.click(
+            generar_codigo,
+            inputs=[problema, lenguaje, nivel_complejidad],
+            outputs=[solucion_output]
+        )
+    
+    with gr.Tab("6️⃣ Analizador Datos"):
+        gr.Markdown("## 📊 Analizador de Datos Conversacional")
+      with gr.Row():
+            with gr.Column():
+                usar_ejemplo = gr.Checkbox(
+                    label="Usar datos de ejemplo", 
+                    value=True
+                )
+                pregunta = gr.Textbox(
+                    label="¿Qué quieres analizar?", 
+                    placeholder="Ej: ¿Cuáles son los productos más vendidos?"
+                )
+                analizar_btn = gr.Button("🔍 Analizar Datos", variant="primary")
+                
+                gr.Markdown("### 📈 Vista Previa de Datos")
+                tabla_preview = gr.HTML()
+            
+            with gr.Column():
+                analisis_output = gr.Textbox(
+                    label="📊 Análisis", 
+                    lines=8,
+                    show_copy_button=True
+                )
+                gr.Markdown("### 📋 Resumen Estadístico")
+                resumen_output = gr.HTML()
+        
+        def actualizar_vista_previa(usar_ejemplo):
+            if usar_ejemplo:
+                datos = pd.DataFrame(datos_ejemplo)
+                return datos.head().to_html(classes='table table-striped', index=False)
+            return "<p>Sube un archivo CSV para ver la vista previa</p>"
+        
+        analizar_btn.click(
+            analizar_datos,
+            inputs=[pregunta, usar_ejemplo],
+            outputs=[analisis_output, tabla_preview, resumen_output]
+        )
+        
+        usar_ejemplo.change(
+            actualizar_vista_previa,
+            inputs=[usar_ejemplo],
+            outputs=[tabla_preview]
+        )
+
+# Configuración CSS adicional
+css = """
+.table {
+    width: 100%;
+    border-collapse: collapse;
+}
+.table-striped tbody tr:nth-of-type(odd) {
+    background-color: rgba(0,0,0,.05);
+}
+.table td, .table th {
+    padding: 8px;
+    border: 1px solid #dee2e6;
+}
+"""
+
+# Ejecutar la aplicación
+if __name__ == "__main__":
+    demo.launch(
+        share=True,
+        inbrowser=True,
+        show_error=True
+    )
+```