Update app.py

app.py

@@ -48,6 +48,20 @@ def gen_conversation(text,max_new_tokens=100):
   return tokenizer2.decode(output_tokens[0], skip_special_tokens=True).split("\n")[-1].replace("output:","")
 
 conversacion = ""
+description="""
+Este proyecto nace de la idea de construir agentes virtuales especializados en temas académicos o nichos de negocio. 
+Para esto fueron creados dos dataset principales, uno basado en habilidades blandas y otro basado en conversaciones empresariales donde un agente humano atiende a un cliente de la empresa en cuestión. 
+Para ejecutar esta tarea, se han empleado múltiples LLMs, entre ellos:
+
+- Alpaca native: https://huggingface.co/hackathon-somos-nlp-2023/salsapaca-native
+- Bertin: https://huggingface.co/hackathon-somos-nlp-2023/bertin-gpt-j-6B-es-finetuned-salpaca
+- Bloom: https://huggingface.co/hackathon-somos-nlp-2023/SalpiBloom-1b1
+- Bloomz: https://huggingface.co/hackathon-somos-nlp-2023/SalpiBloomZ_15949_input_512-1b7
+- Dolly: https://huggingface.co/hackathon-somos-nlp-2023/dolly-ArepacaV1
+- Cerebras: https://huggingface.co/hackathon-somos-nlp-2023/Cerebras-Cabritax-softskills-espaGPT-1.3B
+
+Teniendo como mejor resultado el modelo basado en BloomZ, el cual es el prensentado en esta demo.
+"""
 def speech_to_text(audio_file, texto_adicional):
     global conversacion
     if audio_file is not None:
@@ -72,7 +86,7 @@ iface = gr.Interface(
     inputs=[gr.inputs.Audio(label="Voz", type="filepath"), gr.inputs.Textbox(label="Texto adicional")],
     outputs=gr.outputs.HTML(label=["chatbot","state"]),
     title="Chat bot para empresas.",
-    description="Este modelo convierte la entrada de voz o texto y hace inferencia",
+    description=description #"Este modelo convierte la entrada de voz o texto y hace inferencia",
     examples=list_audios,
     theme="default",
     layout="vertical",