Update app.py

app.py

@@ -1,45 +1,16 @@
 import gradio as gr
-import google.generativeai as genai
+import gemini_gradio
 
-# Crear un modelo generativo
-model = genai.GenerativeModel("gemini-1.5-flash")
-
-# Función para procesar el PDF y generar una respuesta
-def process_pdf(file):
-    # Subir el archivo PDF local (usando filepath)
-    sample_pdf = genai.upload_file(file.name)  # file.name será la ruta del archivo
-    
-    # Crear el prompt para la API
-    prompt = "Give me a summary of this pdf file."
+with gr.Blocks(fill_height=True) as demo:
+    # Centrado con HTML
+    gr.Markdown("<h1 style='text-align:center;'>CopyMaster</h1>")  # Título centrado
+    gr.Markdown("<h3 style='text-align:center;'>El escritor de ventas que nunca duerme, siempre listo para conectar, cautivar y convencer a tu audiencia.</h3>")  # Subtítulo centrado
     
-    # Generar contenido a partir del PDF subido
-    response = model.generate_content([prompt, sample_pdf])
-    
-    return response.text
-
-# Definir la interfaz de usuario en Gradio
-def chatbot_interface(user_input, history):
-    # Procesar el archivo PDF
-    response_text = process_pdf(user_input)
-    
-    # Actualizar el historial del chatbot
-    history.append((user_input.name, response_text))
-    
-    return history, history
-
-# Crear la app de Gradio
-app = gr.Interface(
-    fn=chatbot_interface,
-    inputs=[
-        gr.File(file_count="single", type="filepath", label="Upload PDF Document"),  # Cambié 'file' por 'filepath'
-        gr.State(),  # Mantener el estado del historial
-    ],
-    outputs=[
-        gr.Chatbot(),
-        gr.State(),
-    ],
-    live=True
-)
+    gemini_interface = gr.load(
+        name="gemini-1.5-flash",  # Se establece el modelo por defecto
+        src=gemini_gradio.registry,
+        fill_height=True,
+        chatbot=gr.Chatbot(type="messages")
+    )
 
-# Lanzar la app
-app.launch()
+demo.launch(ssr_mode=False)