Update app.py

app.py

@@ -27,7 +27,7 @@ def get_random_copywriting_technique():
     return random.sample(techniques, k=random.randint(1, 3))  # Escoge entre 1 y 3 técnicas al azar
 
 # Al crear el prompt completo, incluye el tamaño y las técnicas seleccionadas
-def get_gemini_response(target_audience, product, text_type, length, mood):
+def get_gemini_response(target_audience, product, text_type, length, mood, emotionality):
     product_mention = get_random_product_mention()
     model_choice = "gemini-1.5-flash"  # Modelo predeterminado
 
@@ -73,8 +73,9 @@ def get_gemini_response(target_audience, product, text_type, length, mood):
         raise ValueError("Lo sentimos, intenta con una combinación diferente de entradas.")
 
 # Inicializar la aplicación Streamlit
-st.set_page_config(page_title="VisionTales", layout="wide")
-st.title("VisionTales: Crea historias inolvidables con IA")
+st.set_page_config(page_title="First Line Alchemy", layout="wide")
+st.title("First Line Alchemy")
+st.markdown("<h2>Transforma tus ideas en párrafos cautivadores con inteligencia artificial.</h2>", unsafe_allow_html=True)
 
 # Añadir CSS personalizado para el botón
 st.markdown("""
@@ -108,14 +109,15 @@ with col1:
     product = st.text_input("¿Qué producto tienes en mente?")
     text_type = st.selectbox("Tipo de texto", ["Historia", "Carta de venta", "Correo", "Landing page"])
     length = st.slider("Número de palabras", min_value=50, max_value=300, value=150)
-    mood = st.selectbox("Tono de voz", ["Conversacional", "Formal", "Emocional", "Persuasivo", "Triste", "Feliz", "Horror", "Comedia", "Romántico"])
+    mood = st.selectbox("Tono de voz", ["Conversacional", "Formal", "Persuasivo"])
+    emotionality = st.selectbox("Emocionalidad del texto", ["Triste", "Feliz", "Horror", "Comedia", "Romántico", "Sorpresa", "Desesperación", "Esperanza", "Ira", "Confianza"])
 
 # Botón para generar el texto (dentro de la interfaz principal)
 if st.button("Escribir mi texto"):
     if target_audience and product:  # Verificar que se haya proporcionado el público objetivo y el producto
         try:
             # Obtener la respuesta del modelo
-            generated_text = get_gemini_response(target_audience, product, text_type, length, mood)
+            generated_text = get_gemini_response(target_audience, product, text_type, length, mood, emotionality)
             col2.subheader("Contenido generado:")
             col2.write(generated_text)  # Resultado del texto generado
         except ValueError as e: