Create inference_createposter.py

routers/inference_createposter.py

@@ -0,0 +1,171 @@
+import os
+import logging
+from fastapi import APIRouter, HTTPException
+from pydantic import BaseModel
+from google import genai
+from google.genai import types
+
+# Configurar logging
+logger = logging.getLogger(__name__)
+
+router = APIRouter()
+
+class PosterRequest(BaseModel):
+    content: str
+
+class PosterResponse(BaseModel):
+    result: dict
+
+@router.post("/generate-poster", response_model=PosterResponse)
+async def generate_poster(request: PosterRequest):
+    """
+    Endpoint para gerar posters automáticos (notícias ou carrosséis) usando o modelo Gemini.
+    """
+    try:
+        # Verificar API key
+        api_key = os.environ.get("GEMINI_API_KEY")
+        if not api_key:
+            raise HTTPException(status_code=500, detail="API key não configurada")
+        
+        client = genai.Client(api_key=api_key)
+        model = "gemini-2.5-pro"
+        
+        # System instructions
+        SYSTEM_INSTRUCTIONS = """
+Você é uma IA especializada em gerar **posters automáticos** (notícias ou carrosséis de slides) a partir de texto fornecido.
+
+🔎 Regras de interpretação
+1. Analise o texto recebido.
+2. Se for **uma notícia simples** → gere **um único JSON** correspondente ao endpoint `/cover/news`.
+3. Se o texto for longo, didático, explicativo, ou parecer adequado para **um carrossel de slides** → gere **um único JSON** contendo:
+   * O objeto da **capa** (`/create/cover/image`)
+   * Uma lista `slides` com cada slide (`/create/image`).
+
+📌 Estrutura esperada do JSON
+
+1. Notícia simples → `/cover/news`
+
+```json
+{
+  "endpoint": "/cover/news",
+  "params": {
+    "image_url": "URL_DA_IMAGEM",
+    "headline": "Título da notícia",
+    "text_position": "bottom"
+  }
+}
+```
+
+2. Carrossel de slides → capa + slides
+
+```json
+{
+  "cover": {
+    "endpoint": "/create/cover/image",
+    "params": {
+      "image_url": "URL_DA_IMAGEM_CAPA",
+      "title": "Título principal do carrossel",
+      "title_position": "bottom"
+    }
+  },
+  "slides": [
+    {
+      "endpoint": "/create/image",
+      "params": {
+        "image_url": "URL_DA_IMAGEM_SLIDE_1",
+        "text": "Texto do primeiro slide (aceita <strong> e <em>)",
+        "text_position": "bottom",
+        "citation": null,
+        "citation_direction": "bottom"
+      }
+    },
+    {
+      "endpoint": "/create/image",
+      "params": {
+        "image_url": "URL_DA_IMAGEM_SLIDE_2",
+        "text": "Texto do segundo slide",
+        "text_position": "bottom",
+        "citation": "Citação de apoio (opcional)",
+        "citation_direction": "text-top"
+      }
+    }
+  ]
+}
+```
+
+🎯 Restrições importantes
+* Sempre escolha apenas **um formato**:
+   * **Notícia simples** → objeto único.
+   * **Slides** → objeto com `cover` + `slides`.
+* O campo `image_url` deve sempre estar presente (use um valor genérico se não fornecido).
+* Use `text_position = bottom` como padrão.
+* Inclua `citation` apenas se houver frase curta de apoio, destaque ou fala atribuída.
+
+IMPORTANTE: Retorne apenas o JSON válido, sem explicações adicionais.
+"""
+        
+        # Configuração da geração
+        config = types.GenerateContentConfig(
+            system_instruction=SYSTEM_INSTRUCTIONS,
+            response_mime_type="application/json",
+            max_output_tokens=8000,
+            temperature=0.7,
+        )
+        
+        # Conteúdo da conversa
+        contents = [
+            types.Content(
+                role="user",
+                parts=[types.Part.from_text(text=request.content)]
+            )
+        ]
+        
+        # Gerar conteúdo
+        response = client.models.generate_content(
+            model=model,
+            contents=contents,
+            config=config
+        )
+        
+        logger.info("Resposta do modelo recebida com sucesso")
+        
+        # Extrair texto da resposta
+        response_text = ""
+        if hasattr(response, 'text') and response.text:
+            response_text = response.text
+        elif hasattr(response, 'candidates') and response.candidates:
+            for candidate in response.candidates:
+                if hasattr(candidate, 'content') and candidate.content:
+                    if hasattr(candidate.content, 'parts') and candidate.content.parts:
+                        for part in candidate.content.parts:
+                            if hasattr(part, 'text') and part.text:
+                                response_text += part.text
+        
+        if not response_text or response_text.strip() == "":
+            logger.error("Resposta do modelo está vazia")
+            raise HTTPException(
+                status_code=500, 
+                detail="Modelo não retornou conteúdo válido"
+            )
+        
+        # Parse do JSON
+        import json
+        try:
+            result_json = json.loads(response_text)
+        except json.JSONDecodeError as e:
+            logger.error(f"Erro ao fazer parse do JSON: {e}")
+            logger.error(f"Resposta recebida: {response_text}")
+            raise HTTPException(
+                status_code=500, 
+                detail=f"Resposta do modelo não é um JSON válido: {str(e)}"
+            )
+        
+        logger.info("Processamento concluído com sucesso")
+        
+        return PosterResponse(result=result_json)
+        
+    except HTTPException:
+        raise
+    except Exception as e:
+        logger.error(f"Erro na geração do poster: {str(e)}")
+        raise HTTPException(status_code=500, detail=str(e))