Create app.py

app.py

@@ -0,0 +1,201 @@
+import gradio as gr
+import os
+import sqlite3
+import json
+from datetime import datetime
+from huggingface_hub import HfApi, DatasetFilter
+import datasets
+from transformers import pipeline
+
+# Configuración inicial
+PERSISTENT_PATH = "/data" if os.path.exists("/data") else "./data"
+os.makedirs(PERSISTENT_PATH, exist_ok=True)
+DB_PATH = os.path.join(PERSISTENT_PATH, "colectivo.db")
+
+# Modelos de IA eficientes (SmolVLM para dispositivos limitados)
+TEXT_MODEL = "HuggingFaceH4/smol-lm-360M"
+IMAGE_MODEL = "HuggingFaceH4/smol-vlm-256M"
+AUDIO_MODEL = "openai/whisper-tiny"
+
+# Inicialización diferida de pipelines
+def get_text_pipeline():
+    return pipeline("text-generation", model=TEXT_MODEL)
+
+def get_image_pipeline():
+    return pipeline("image-to-text", model=IMAGE_MODEL)
+
+def get_audio_pipeline():
+    return pipeline("automatic-speech-recognition", model=AUDIO_MODEL)
+
+# Base de datos para persistencia colectiva
+def init_database():
+    conn = sqlite3.connect(DB_PATH)
+    cursor = conn.cursor()
+    cursor.execute("""
+        CREATE TABLE IF NOT EXISTS contribuciones (
+            id INTEGER PRIMARY KEY AUTOINCREMENT,
+            usuario TEXT,
+            contenido TEXT,
+            tipo TEXT CHECK(tipo IN ('texto', 'imagen', 'audio')),
+            timestamp DATETIME DEFAULT CURRENT_TIMESTAMP
+        )
+    """)
+    cursor.execute("""
+        CREATE TABLE IF NOT EXISTS insights (
+            id INTEGER PRIMARY KEY AUTOINCREMENT,
+            contribucion_id INTEGER,
+            insight TEXT,
+            FOREIGN KEY(contribucion_id) REFERENCES contribuciones(id)
+        )
+    """)
+    conn.commit()
+    return conn
+
+# Procesamiento multimodal
+def procesar_entrada(usuario, texto, imagen, audio):
+    conn = init_database()
+    cursor = conn.cursor()
+    timestamp = datetime.now().isoformat()
+    
+    # Persistencia en base de datos
+    if texto:
+        cursor.execute("""
+            INSERT INTO contribuciones (usuario, contenido, tipo)
+            VALUES (?, ?, 'texto')
+        """, (usuario, texto))
+    elif imagen:
+        cursor.execute("""
+            INSERT INTO contribuciones (usuario, contenido, tipo)
+            VALUES (?, ?, 'imagen')
+        """, (usuario, imagen))
+    elif audio:
+        cursor.execute("""
+            INSERT INTO contribuciones (usuario, contenido, tipo)
+            VALUES (?, ?, 'audio')
+        """, (usuario, audio))
+    
+    conn.commit()
+    contribucion_id = cursor.lastrowid
+    
+    # Procesamiento con IA
+    insights = []
+    if texto:
+        pipe_texto = get_text_pipeline()
+        insight = pipe_texto(f"Analiza y sintetiza: {texto}", max_new_tokens=100)[0]['generated_text']
+        insights.append(insight)
+    elif imagen:
+        pipe_imagen = get_image_pipeline()
+        insight = pipe_imagen(imagen)[0]['generated_text']
+        insights.append(insight)
+    elif audio:
+        pipe_audio = get_audio_pipeline()
+        transcripcion = pipe_audio(audio)["text"]
+        pipe_texto = get_text_pipeline()
+        insight = pipe_texto(f"Resume y analiza: {transcripcion}", max_new_tokens=100)[0]['generated_text']
+        insights.append(insight)
+    
+    # Guardar insights
+    for insight in insights:
+        cursor.execute("""
+            INSERT INTO insights (contribucion_id, insight)
+            VALUES (?, ?)
+        """, (contribucion_id, insight))
+    
+    conn.commit()
+    conn.close()
+    return insights
+
+# Interfaz colaborativa
+def crear_interfaz():
+    with gr.Blocks(
+        title="SÍNTESIS: Inteligencia Colectiva Aumentada",
+        theme=gr.themes.Soft(primary_hue="emerald")
+    ) as interfaz:
+        gr.Markdown("# 🌐 SÍNTESIS: Plataforma de Inteligencia Colectiva Aumentada")
+        gr.Markdown("Conecta mentes humanas y artificiales para soluciones evolutivas")
+        
+        with gr.Row():
+            with gr.Column(scale=1):
+                usuario = gr.Textbox(label="👤 Tu nombre (opcional)")
+                texto = gr.Textbox(label="📝 Contribución textual", lines=3)
+                imagen = gr.Image(label="🖼️ Subir imagen", type="filepath")
+                audio = gr.Audio(label="🎤 Grabación vocal", type="filepath")
+                btn_enviar = gr.Button("🚀 Publicar contribución")
+            
+            with gr.Column(scale=2):
+                historico = gr.JSON(label="📚 Contribuciones colectivas")
+                btn_actualizar = gr.Button("🔄 Actualizar contribuciones")
+                
+                with gr.Accordion("💡 Insights generados", open=False):
+                    insights_output = gr.JSON()
+        
+        # Eventos
+        btn_enviar.click(
+            procesar_entrada,
+            inputs=[usuario, texto, imagen, audio],
+            outputs=insights_output
+        )
+        
+        btn_actualizar.click(
+            lambda: obtener_contribuciones(),
+            inputs=None,
+            outputs=historico
+        )
+        
+        # Carga inicial
+        interfaz.load(
+            lambda: obtener_contribuciones(),
+            inputs=None,
+            outputs=historico
+        )
+    
+    return interfaz
+
+# Obtener contribuciones desde SQLite
+def obtener_contribuciones(limit=20):
+    conn = sqlite3.connect(DB_PATH)
+    cursor = conn.cursor()
+    cursor.execute("""
+        SELECT c.id, c.usuario, c.contenido, c.tipo, c.timestamp, i.insight
+        FROM contribuciones c
+        LEFT JOIN insights i ON c.id = i.contribucion_id
+        ORDER BY c.timestamp DESC
+        LIMIT ?
+    """, (limit,))
+    
+    resultados = []
+    for row in cursor.fetchall():
+        resultados.append({
+            "id": row[0],
+            "usuario": row[1] or "Anónimo",
+            "contenido": row[2],
+            "tipo": row[3],
+            "timestamp": row[4],
+            "insight": row[5]
+        })
+    
+    conn.close()
+    return resultados
+
+# Integración con Hugging Face Hub
+def sincronizar_huggingface():
+    api = HfApi()
+    dataset = datasets.Dataset.from_dict({
+        "contribuciones": obtener_contribuciones(1000)
+    })
+    
+    dataset.push_to_hub(
+        "colectivo_sintesis",
+        private=True,
+        token=os.environ.get("HF_TOKEN")
+    )
+
+# Punto de entrada principal
+if __name__ == "__main__":
+    init_database()
+    app = crear_interfaz()
+    app.launch(
+        server_name="0.0.0.0",
+        server_port=7860,
+        share=False
+    )