Update app.py

app.py

@@ -17,12 +17,38 @@ model = AutoModelForCausalLM.from_pretrained(
 
 # Streamlit UI
 st.title("Gemma-2B-IT Text Generator")
-st.write("Enter a prompt to generate text using the model.")
+st.write("Enter the text and generate a structured prompt.")
 
-# Input prompt from the user
-input_text = st.text_input("Prompt", "Write me a poem about Machine Learning.")
+# User inputs the text
+text = st.text_area("Input your text", 
+    "“El sistema CRISPR-Cas9 permite una edición precisa del genoma mediante la creación de rupturas de doble cadena en ubicaciones específicas del ADN, lo que facilita modificaciones genéticas específicas.”")
 
-# Sliders and toggles for generation parameters
+# Create a formatted prompt using the provided text
+prompt = f"""
+Realiza las siguientes acciones:
+1 - Tradúceme el texto delimitado por las comillas triples a inglés, árabe y francés.
+2 - Identifícame el tema principal del texto delimitado por las comillas triples.
+3 - Obtén el tono en el que está escrito el texto delimitado por las comillas triples.
+4 - Devuelve el resultado de cada paso en un JSON con el siguiente formato:
+{{
+    "Traduccion": {{
+        "Ingles": "",
+        "Arabe": "",
+        "Frances": ""
+    }},
+    "TemaPrincipal": "",
+    "Tono": ""
+}}
+
+Text:
+```{text}```
+"""
+
+# Show the formatted prompt for user to see
+st.write("Your formatted prompt:")
+st.text_area("Formatted Prompt", prompt, height=300)
+
+# Sliders for generation parameters
 max_length = st.slider("Max Length", min_value=50, max_value=500, value=400)
 temperature = st.slider("Temperature", min_value=0.1, max_value=1.5, value=0.7)
 top_p = st.slider("Top-p (nucleus sampling)", min_value=0.0, max_value=1.0, value=0.9)
@@ -31,9 +57,9 @@ do_sample = st.checkbox("Enable Sampling", value=True)
 
 # Generate text when the button is pressed
 if st.button("Generate"):
-    input_ids = tokenizer(input_text, return_tensors="pt")
+    input_ids = tokenizer(prompt, return_tensors="pt")
     
-    # Modify the generate call with adjustable parameters
+    # Generate text with specified parameters
     outputs = model.generate(
         **input_ids, 
         max_length=max_length,