Update app.py

app.py

@@ -11,298 +11,113 @@ import os
 # Cargar las variables de entorno desde el entorno de Hugging Face
 openai.api_key = os.getenv("OPENAI_API_KEY")
 
-
-
-# Cargar el modelo Whisper de mayor calidad
-
+# Cargar el modelo Whisper de mayor calidad una vez
 model = whisper.load_model("large")
 
-
-
 def preprocess_audio(audio_file):
-
     """Preprocesa el archivo de audio para mejorar la calidad."""
-
     try:
-
         audio = AudioSegment.from_file(audio_file)
-
-        # Normaliza el audio al -20 dBFS
-
         audio = audio.apply_gain(-audio.dBFS + (-20))
-
-        # Exporta el audio procesado a un archivo temporal
-
         with tempfile.NamedTemporaryFile(delete=False, suffix=".mp3") as temp_file:
-
             audio.export(temp_file.name, format="mp3")
-
             return temp_file.name
-
     except Exception as e:
-
         return f"Error al preprocesar el archivo de audio: {str(e)}"
 
-
-
 def transcribir_audio(audio_file):
-
     """Transcribe un archivo de audio."""
-
     try:
-
-        if isinstance(audio_file, str):
-
-            archivo_path = preprocess_audio(audio_file)
-
-        else:
-
-            with tempfile.NamedTemporaryFile(delete=False, suffix=".mp3") as temp_file:
-
-                temp_file.write(audio_file.read())
-
-                temp_file.flush()
-
-                archivo_path = preprocess_audio(temp_file.name)
-
+        archivo_path = preprocess_audio(audio_file) if isinstance(audio_file, str) else preprocess_audio(tempfile.NamedTemporaryFile(delete=False, suffix=".mp3", mode='w+b').name)
         resultado = model.transcribe(archivo_path)
-
         return resultado.get("text", "Error en la transcripción")
-
     except Exception as e:
-
         return f"Error al procesar el archivo de audio: {str(e)}"
 
-
-
 def leer_documento(documento_path):
-
     """Lee el contenido de un documento PDF, DOCX, XLSX o CSV."""
-
     try:
-
-        # Identificar el tipo de archivo
-
         if documento_path.endswith(".pdf"):
-
             doc = fitz.open(documento_path)
-
-            texto_completo = ""
-
-            for pagina in doc:
-
-                texto_completo += pagina.get_text()
-
-            return texto_completo
-
+            return "\n".join([pagina.get_text() for pagina in doc])
         elif documento_path.endswith(".docx"):
-
             doc = docx.Document(documento_path)
-
-            texto_completo = "\n".join([parrafo.text for parrafo in doc.paragraphs])
-
-            return texto_completo
-
+            return "\n".join([parrafo.text for parrafo in doc.paragraphs])
         elif documento_path.endswith(".xlsx"):
-
-            df = pd.read_excel(documento_path)
-
-            texto_completo = df.to_string()
-
-            return texto_completo
-
+            return pd.read_excel(documento_path).to_string()
         elif documento_path.endswith(".csv"):
-
-            df = pd.read_csv(documento_path)
-
-            texto_completo = df.to_string()
-
-            return texto_completo
-
+            return pd.read_csv(documento_path).to_string()
         else:
-
             return "Tipo de archivo no soportado. Por favor suba un documento PDF, DOCX, XLSX o CSV."
-
     except Exception as e:
-
         return f"Error al leer el documento: {str(e)}"
 
-
-
 def generar_noticia(instrucciones, hechos, tamaño, tono, *args):
-
     """Genera una noticia a partir de instrucciones, hechos y transcripciones."""
-
-    base_de_conocimiento = {
-
-        "instrucciones": instrucciones,
-
-        "hechos": hechos,
-
-        "contenido_documentos": [],
-
-        "audio_data": []
-
-    }
-
-
-
-    # Recolecta los documentos y el audio desde los argumentos
-
+    base_de_conocimiento = {"instrucciones": instrucciones, "hechos": hechos, "contenido_documentos": [], "audio_data": []}
     num_audios = 5 * 3  # 5 audios * 3 campos (audio, nombre, cargo)
-
     audios = args[:num_audios]
-
     documentos = args[num_audios:]
 
-
-
-    # Leer el contenido de los documentos si se han subido
-
     for documento in documentos:
-
         if documento is not None:
-
-            contenido_doc = leer_documento(documento.name)
-
-            print(f"Contenido del documento {documento.name}: {contenido_doc}")
-
-            base_de_conocimiento["contenido_documentos"].append(contenido_doc)
-
-
-
-    # Recolecta datos de cada archivo de audio
+            base_de_conocimiento["contenido_documentos"].append(leer_documento(documento.name))
 
     for i in range(0, len(audios), 3):
-
         audio_file, nombre, cargo = audios[i:i+3]
-
         if audio_file is not None:
-
             base_de_conocimiento["audio_data"].append({"audio": audio_file, "nombre": nombre, "cargo": cargo})
 
-
-
-    transcripciones_texto = ""
-
-    transcripciones_brutas = ""
-
-    total_citas_directas = 0
-
-
-
-    # Transcribe y compila las transcripciones
+    transcripciones_texto, transcripciones_brutas, total_citas_directas = "", "", 0
 
     for idx, data in enumerate(base_de_conocimiento["audio_data"]):
-
         if data["audio"] is not None:
-
             transcripcion = transcribir_audio(data["audio"])
-
             transcripcion_texto = f'"{transcripcion}" - {data["nombre"]}, {data["cargo"]}'
-
             transcripcion_bruta = f'[Audio {idx + 1}]: "{transcripcion}" - {data["nombre"]}, {data["cargo"]}'
-
-
-
-            # Decidir si usar cita directa o indirecta
-
             if total_citas_directas < len(base_de_conocimiento["audio_data"]) * 0.8:
-
                 transcripciones_texto += transcripcion_texto + "\n"
-
                 total_citas_directas += 1
-
             else:
-
                 transcripciones_texto += f'{data["nombre"]} mencionó que {transcripcion}' + "\n"
-
-
-
             transcripciones_brutas += transcripcion_bruta + "\n\n"
 
-
-
-            print(f"Transcripción bruta [Audio {idx + 1}]: {transcripcion_bruta}")
-
-            print(f"Transcripciones brutas acumuladas: {transcripciones_brutas}")
-
-
-
     contenido_documentos = "\n\n".join(base_de_conocimiento["contenido_documentos"])
 
-
-
-    # Prompt adicional para instrucciones internas
-
     prompt_interno = """
-
     Instrucciones para el modelo:
-
     - Debes seguir los principios de una noticia: es decir, procura siempre responder las 5 W de una noticia en el primer párrafo (Who?, What?, When?, Where?, Why?).
-
     - Asegúrate de que al menos el 80% de las citas sean directas y estén entrecomilladas.
-
     - El 20% restante puede ser citas indirectas.
-
     - No inventes información nueva.
-
     - Sé riguroso con los hechos proporcionados.
-
     - Al procesar los documentos cargados, extrae y resalta citas importantes y testimonios textuales de las fuentes.
-
     - Al procesar los documentos cargados, extrae y resalta cifras clave.
-
     """
 
-
-
-    # Compila el prompt para OpenAI
-
     prompt = f"""
-
     {prompt_interno}
-
     Escribe una noticia con la siguiente información, incluyendo un título, un sumario de 20 palabras, y el cuerpo del contenido cuyo tamaño es {tamaño} palabras. El tono debe ser {tono}.
-
     Instrucciones: {base_de_conocimiento["instrucciones"]}
-
     Hechos: {base_de_conocimiento["hechos"]}
-
     Contenido adicional de los documentos: {contenido_documentos}
-
     Utiliza las siguientes transcripciones como citas directas e indirectas (sin cambiar ni inventar contenido):
-
     {transcripciones_texto}
-
     """
 
-
-
     try:
-
         respuesta = openai.ChatCompletion.create(
-
             model="gpt-3.5-turbo",
-
             messages=[{"role": "user", "content": prompt}],
-
-            temperature=0.1  # Bajamos la temperatura para mayor rigurosidad
-
+            temperature=0.1
         )
-
         noticia = respuesta['choices'][0]['message']['content']
-
         return noticia, transcripciones_brutas
-
     except Exception as e:
-
         return f"Error al generar la noticia: {str(e)}", ""
 
-
-
 with gr.Blocks() as demo:
-    gr.Markdown("## Generador de noticias todo en uno")
+    gr.Markdown("## Generador noticias todo en uno")
     with gr.Row():
         with gr.Column(scale=2):
             instrucciones = gr.Textbox(label="Instrucciones para la noticia", lines=2)
@@ -337,4 +152,4 @@ with gr.Blocks() as demo:
 
     generar.click(fn=generar_noticia, inputs=inputs_list, outputs=[noticia_output, transcripciones_output])
 
-demo.launch(share=True)
+demo.launch(share=True)