app.py

import streamlit as st
from PIL import Image
import google.generativeai as genai
from gtts import gTTS
import io
import base64

# Configuración de la página de Streamlit
st.set_page_config(page_title="🤖 Soph-IA", layout="wide")

api_key = st.secrets["API_KEY"] 

# Estilo CSS para diseño atractivo
st.markdown("""
    <style>
        body {
            background-color: #1a1a1a;
            color: #ffffff;
            font-family: 'Arial', sans-serif;
        }
        h1 {
            color: #ffcc00;
            text-align: center;
        }
        .response {
            background-color: #333333;
            border-radius: 5px;
            padding: 10px;
            margin-top: 10px;
        }
        .footer {
            text-align: center;
            color: #ffcc00;
            margin-top: 20px;
        }
        .audio-button {
            background-color: #ffcc00;
            color: #1a1a1a;
            border: none;
            border-radius: 5px;
            padding: 5px 10px;
            cursor: pointer;
            margin-top: 5px;
        }
    </style>
""", unsafe_allow_html=True)

# Respuestas automatizadas
def respuestas_automatizadas(texto):
    texto = texto.lower()
    respuestas = {
        "quien te creo": "Fui creada por un Bioingeniero llamado Jeysshon Bustos Jimenez, mi creador.",
        "quien es tu creador": "Fui creada por un Bioingeniero llamado Jeysshon Bustos Jimenez, mi creador.",
        "quien creo": "Fui creada por un Bioingeniero llamado Jeysshon Bustos Jimenez, mi creador.",
        "quien soy": "Soy Soph-IA, una inteligencia artificial avanzada basada en redes neuronales profundas y procesamiento de lenguaje natural.",
        "quien eres": "Soy Soph-IA, una inteligencia artificial avanzada basada en redes neuronales profundas y procesamiento de lenguaje natural.",
        "que eres": "Soy Soph-IA, una inteligencia artificial avanzada basada en redes neuronales profundas y procesamiento de lenguaje natural."
    }
    
    for clave, respuesta in respuestas.items():
        if clave in texto:
            return respuesta

    return None

def procesar_texto(texto):
    respuesta_predefinida = respuestas_automatizadas(texto)
    if respuesta_predefinida:
        return respuesta_predefinida

    try:
        genai.configure(api_key=api_key)
        modelo = genai.GenerativeModel('gemini-1.5-pro-latest')
        respuesta = modelo.generate_content(texto)
        return respuesta.text
    except Exception as e:
        return "Hubo un error procesando tu solicitud. Por favor, recarga la página y vuelve a intentar."

def procesar_imagen(imagen):
    try:
        genai.configure(api_key=api_key)
        modelo = genai.GenerativeModel('gemini-1.5-pro-latest')

        if isinstance(imagen, Image.Image):
            respuesta = modelo.generate_content(imagen)
            return respuesta.text
        else:
            return "La imagen no es del tipo esperado."
    except Exception as e:
        return "Hubo un error procesando la imagen. Por favor, recarga la página y vuelve a intentar."

def hablar_texto(texto):
    try:
        tts = gTTS(text=texto, lang='es', slow=False)
        audio_file = io.BytesIO()
        tts.save(audio_file)
        audio_file.seek(0)
        audio_base64 = base64.b64encode(audio_file.read()).decode()
        return f"data:audio/mp3;base64,{audio_base64}"
    except Exception as e:
        st.error("Hubo un error al generar el audio. Por favor, recarga la página y vuelve a intentar.")
        return None

# Título centrado
st.markdown("<h1>🤖 ¡Bienvenido a Soph-IA!</h1>", unsafe_allow_html=True)

# Explicación técnica
st.markdown("""
    <p style='text-align: justify;'>
    Soy <strong>Soph-IA</strong>, una inteligencia artificial basada en redes neuronales profundas, derivada de la arquitectura 
    <strong>VGG16</strong>. Combino técnicas avanzadas de procesamiento de lenguaje natural y visión por computadora. 
    Para el análisis de texto, utilizo transformadores que permiten comprender el contexto y generar respuestas precisas. 
    En el caso de imágenes, empleo redes convolucionales para extraer características clave y ofrecer respuestas acordes a la 
    información visual procesada.
    </p>
""", unsafe_allow_html=True)

espacio_contenido_generado = st.empty()

st.write("¡Hola! Soy Soph-IA, tu asistente virtual. ¿Cómo puedo ayudarte hoy? 😊")

# Columnas para selección de entrada
col1, col2 = st.columns([1, 3])

with col1:
    tipo_entrada = st.selectbox("Selecciona el tipo de entrada", ["Haz una pregunta ❓", "🖼️ Subir imagen"])

with col2:
    if tipo_entrada == "Haz una pregunta ❓":
        entrada_texto = st.text_input("Ingresa tu pregunta aquí:")
        if entrada_texto:
            with st.spinner("Generando respuesta..."):
                resultado = procesar_texto(entrada_texto)
            espacio_contenido_generado.markdown(f"<div class='response'>**Respuesta:** {resultado}</div>", unsafe_allow_html=True)
            audio_data = hablar_texto(resultado)
            if audio_data:
                st.markdown(f"""
                    <audio controls>
                        <source src="{audio_data}" type="audio/mpeg">
                        Tu navegador no soporta el elemento de audio.
                    </audio>
                """, unsafe_allow_html=True)

    elif tipo_entrada == "🖼️ Subir imagen":
        entrada_imagen = st.file_uploader("Sube una imagen", type=["jpg", "png", "jpeg"])
        if entrada_imagen:
            imagen = Image.open(entrada_imagen)
            st.image(imagen, caption='Imagen subida.', use_column_width=True)
            with st.spinner("Procesando imagen..."):
                respuesta = procesar_imagen(imagen)
            espacio_contenido_generado.markdown(f"<div class='response'>**Respuesta de la imagen:** {respuesta}</div>", unsafe_allow_html=True)

st.write("¡Gracias por usar Soph-IA! 😊")

# Pie de página
st.markdown("<p class='footer'>© 2024 Jeysshon</p>", unsafe_allow_html=True)