Create app.py

app.py

@@ -0,0 +1,97 @@
+import gradio as gr
+from transformers import pipeline
+import re
+
+# --- 1. Inicialización de Modelos ---
+# NOTA: Los modelos se cargan una sola vez al iniciar la aplicación para mayor eficiencia.
+
+try:
+    # Modelo de Resumen
+    summarizer = pipeline("summarization", model="facebook/bart-large-cnn")
+
+    # Modelo de Generación de Texto (para Captions)
+    caption_generator = pipeline("text-generation", model="PlanTL-GOB-ES/gpt2-base-bne")
+    
+    # Modelo de Generación de Imágenes (Placeholder)
+    # Aquí iría el modelo real de Stable Diffusion cuando las dependencias estén listas.
+
+except Exception as e:
+    print(f"Error al cargar un modelo: {e}")
+    # Asigna None a los modelos que fallen para manejarlo después
+    summarizer = None
+    caption_generator = None
+
+# --- 2. Definición de Funciones para cada Herramienta ---
+
+def summarize_text(text):
+    """Función para resumir texto."""
+    if not summarizer:
+        return "Error: El modelo de resumen no está disponible."
+    if not text or not isinstance(text, str) or text.strip() == "":
+        return "Por favor, introduce un texto para resumir."
+    
+    try:
+        summary = summarizer(text, min_length=50, max_length=200, do_sample=False)
+        return summary[0]['summary_text']
+    except Exception as e:
+        return f"Ha ocurrido un error al procesar el texto: {e}"
+
+def generate_captions(topic):
+    """Función para generar captions virales."""
+    if not caption_generator:
+        return ["Error: El modelo de captions no está disponible.", "", ""]
+    if not topic or not isinstance(topic, str) or topic.strip() == "":
+        return ["Por favor, introduce un tema.", "", ""]
+        
+    prompt = f"Escribe 3 ideas de captions virales para una publicación en redes sociales sobre '{topic}'. Incluye emojis y hashtags. No repitas el prompt en la respuesta."
+    
+    try:
+        outputs = caption_generator(prompt, max_new_tokens=80, num_return_sequences=3, do_sample=True, temperature=0.9, top_k=50)
+        captions = [re.sub(re.escape(prompt), '', out['generated_text']).strip() for out in outputs]
+        # Asegurarnos de que siempre devolvemos 3 elementos
+        while len(captions) < 3:
+            captions.append("")
+        return captions
+    except Exception as e:
+        return [f"Ha ocurrido un error: {e}", "", ""]
+
+def generate_image(prompt):
+    """Función placeholder para generar imágenes."""
+    # Esta es una simulación. La implementación real requiere 'diffusers' y 'torch'.
+    return f"Imagen generada para el prompt: '{prompt}' (esto es un placeholder)"
+
+# --- 3. Creación de la Interfaz con Gradio ---
+
+with gr.Blocks(theme=gr.themes.Default(primary_hue="purple", secondary_hue="indigo"), css=".gradio-container {background-color: #0A0A0A}") as demo:
+    gr.Markdown("# GeniusTools Backend API")
+    
+    # --- Endpoints de la API ---
+    # Usamos `api_name` para crear un endpoint que podamos llamar desde el frontend.
+    
+    # Endpoint para Resumen
+    gr.Interface(
+        fn=summarize_text,
+        inputs=gr.Textbox(label="Texto a resumir"),
+        outputs=gr.Textbox(label="Resumen"),
+        api_name="summarize"
+    )
+
+    # Endpoint para Captions
+    gr.Interface(
+        fn=generate_captions,
+        inputs=gr.Textbox(label="Tema del post"),
+        outputs=[gr.Textbox(label=f"Sugerencia {i+1}") for i in range(3)],
+        api_name="generate_captions"
+    )
+
+    # Endpoint para Imágenes
+    gr.Interface(
+        fn=generate_image,
+        inputs=gr.Textbox(label="Descripción de la imagen"),
+        outputs=gr.Textbox(label="Resultado (Placeholder)"),
+        api_name="generate_image"
+    )
+
+# --- 4. Lanzamiento de la Aplicación ---
+if __name__ == "__main__":
+    demo.launch()