cambio codigo

app.py

@@ -1,6 +1,7 @@
 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")
@@ -8,28 +9,16 @@ hf_token = os.getenv("HF_API_TOKEN")
 # Clase para manejar múltiples modelos
 class ModelHandler:
     def __init__(self, model_names, token):
-        """
-        Inicializa el manejador de modelos con los nombres de los modelos y el token de API.
-        """
-        self.clients = {
-            model_name: InferenceClient(model_name, token=token)
-            for model_name in model_names
-        }
+        self.clients = {model_name: InferenceClient(model_name, token=token) for model_name in model_names}
         self.current_model = model_names[0]
 
     def switch_model(self, model_name):
-        """
-        Cambia el modelo actual.
-        """
         if model_name in self.clients:
             self.current_model = model_name
         else:
             raise ValueError(f"Modelo {model_name} no está disponible.")
 
     def generate_response(self, input_text):
-        """
-        Genera una respuesta utilizando el modelo actual.
-        """
         prompt = f"Debes de responder a cualquier pregunta:\nPregunta: {input_text}"
         try:
             messages = [{"role": "user", "content": prompt}]
@@ -50,17 +39,23 @@ model_names = [
 # Inicializa el manejador de modelos
 model_handler = ModelHandler(model_names, hf_token)
 
-# Define la función para generación de imágenes
-def generate_image(prompt):
+# Define la función para generación de imágenes con progreso
+def generate_image_with_progress(prompt):
     """
-    Genera una imagen utilizando un modelo de generación de imágenes.
+    Genera una imagen utilizando un modelo de generación de imágenes y muestra un progreso.
     """
     try:
         client = InferenceClient("CompVis/stable-diffusion-v1-4", 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)
-        return image
+        yield "Imagen generada con éxito", image
     except Exception as e:
-        return f"Error al generar la imagen: {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:
@@ -88,31 +83,29 @@ with gr.Blocks(title="Multi-Model LLM Chatbot with Image Generation") as demo:
         with gr.Column():
             output_display = gr.Textbox(
                 lines=5,
-                label="Respuesta",
-                interactive=False,
-                visible=False
+                label="Estado",
+                interactive=False
             )
             output_image = gr.Image(
                 label="Imagen Generada",
-                interactive=False,
-                visible=False
+                interactive=False
             )
     submit_button = gr.Button("Enviar")
     
     # Define la función de actualización
     def process_input(selected_action, user_input):
         if selected_action == "Generación de Imágenes":
-            return "", generate_image(user_input), gr.update(visible=True), gr.update(visible=False)
+            return generate_image_with_progress(user_input)
         else:
             model_handler.switch_model(selected_action)
             response = model_handler.generate_response(user_input)
-            return response, None, gr.update(visible=False), gr.update(visible=True)
+            return response, None
     
     # Conecta la función a los componentes
     submit_button.click(
         fn=process_input,
         inputs=[model_dropdown, input_text],
-        outputs=[output_display, output_image, output_image, output_display]
+        outputs=[output_display, output_image]
     )
 
 # Lanza la interfaz