app.py

import gradio as gr
from transformers import pipeline

# --- CONFIGURACIÓN ---
MODEL_ID = "datificate/gpt2-small-spanish"  # modelo pequeño, seguro en CPU Free

# Crear pipeline de generación de texto
try:
    texto_modelo = pipeline(
        "text-generation",
        model=MODEL_ID,
        device=-1  # CPU
    )
except:
    texto_modelo = None

# Lista para guardar historial de la conversación
historial = []

# Función para generar texto con memoria y parámetros optimizados
def generar_texto(entrada):
    global historial
    if texto_modelo:
        # Guardamos la entrada del usuario
        historial.append(f"Usuario: {entrada}")
        # Tomamos las últimas 3 interacciones para contexto
        prompt = "\n".join(historial[-6:]) + "\nIA:"
        resultados = texto_modelo(
            prompt,
            max_new_tokens=100,
            do_sample=True,
            temperature=0.8,         # creatividad
            top_k=40,                # opciones limitadas
            top_p=0.9,               # probabilidad acumulativa
            repetition_penalty=1.3   # evita repeticiones
        )
        # Obtenemos solo la respuesta generada
        texto_generado = resultados[0]["generated_text"]
        respuesta = texto_generado.replace(prompt, "").strip()
        # Guardamos la respuesta en el historial
        historial.append(f"IA: {respuesta}")
        return respuesta
    else:
        return "Error: no se pudo cargar el modelo. Revisa los requisitos del Space."

# --- INTERFAZ GRADIO ---
with gr.Blocks() as demo:
    gr.Markdown("## Almanac (GPT-2 Small, conversación optimizada) 😎")

    entrada_texto = gr.Textbox(label="Escribe algo")
    salida_texto = gr.Textbox(label="Respuesta de la IA")
    btn_texto = gr.Button("Enviar")
    btn_texto.click(generar_texto, entrada_texto, salida_texto)

demo.launch()