Create app.py

app.py

@@ -0,0 +1,373 @@
+import openai
+
+import whisper
+
+import tempfile
+
+import gradio as gr
+
+from pydub import AudioSegment
+
+import fitz  # PyMuPDF para manejar PDFs
+
+import docx  # Para manejar archivos .docx
+
+import pandas as pd  # Para manejar archivos .xlsx y .csv
+
+
+
+# Configura tu clave API de OpenAI
+
+openai.api_key = "sk-proj-oa7IsWQdSibP9urkzepFT3BlbkFJ9L9tXiDZpjgPikmAhtQP"
+
+
+
+# Cargar el modelo Whisper de mayor calidad
+
+model = whisper.load_model("large")
+
+
+
+def preprocess_audio(audio_file):
+
+    """Preprocesa el archivo de audio para mejorar la calidad."""
+
+    try:
+
+        audio = AudioSegment.from_file(audio_file)
+
+        # Normaliza el audio al -20 dBFS
+
+        audio = audio.apply_gain(-audio.dBFS + (-20))
+
+        # Exporta el audio procesado a un archivo temporal
+
+        with tempfile.NamedTemporaryFile(delete=False, suffix=".mp3") as temp_file:
+
+            audio.export(temp_file.name, format="mp3")
+
+            return temp_file.name
+
+    except Exception as e:
+
+        return f"Error al preprocesar el archivo de audio: {str(e)}"
+
+
+
+def transcribir_audio(audio_file):
+
+    """Transcribe un archivo de audio."""
+
+    try:
+
+        if isinstance(audio_file, str):
+
+            archivo_path = preprocess_audio(audio_file)
+
+        else:
+
+            with tempfile.NamedTemporaryFile(delete=False, suffix=".mp3") as temp_file:
+
+                temp_file.write(audio_file.read())
+
+                temp_file.flush()
+
+                archivo_path = preprocess_audio(temp_file.name)
+
+        resultado = model.transcribe(archivo_path)
+
+        return resultado.get("text", "Error en la transcripción")
+
+    except Exception as e:
+
+        return f"Error al procesar el archivo de audio: {str(e)}"
+
+
+
+def leer_documento(documento_path):
+
+    """Lee el contenido de un documento PDF, DOCX, XLSX o CSV."""
+
+    try:
+
+        # Identificar el tipo de archivo
+
+        if documento_path.endswith(".pdf"):
+
+            doc = fitz.open(documento_path)
+
+            texto_completo = ""
+
+            for pagina in doc:
+
+                texto_completo += pagina.get_text()
+
+            return texto_completo
+
+        elif documento_path.endswith(".docx"):
+
+            doc = docx.Document(documento_path)
+
+            texto_completo = "\n".join([parrafo.text for parrafo in doc.paragraphs])
+
+            return texto_completo
+
+        elif documento_path.endswith(".xlsx"):
+
+            df = pd.read_excel(documento_path)
+
+            texto_completo = df.to_string()
+
+            return texto_completo
+
+        elif documento_path.endswith(".csv"):
+
+            df = pd.read_csv(documento_path)
+
+            texto_completo = df.to_string()
+
+            return texto_completo
+
+        else:
+
+            return "Tipo de archivo no soportado. Por favor suba un documento PDF, DOCX, XLSX o CSV."
+
+    except Exception as e:
+
+        return f"Error al leer el documento: {str(e)}"
+
+
+
+def generar_noticia(instrucciones, hechos, tamaño, tono, *args):
+
+    """Genera una noticia a partir de instrucciones, hechos y transcripciones."""
+
+    base_de_conocimiento = {
+
+        "instrucciones": instrucciones,
+
+        "hechos": hechos,
+
+        "contenido_documentos": [],
+
+        "audio_data": []
+
+    }
+
+
+
+    # Recolecta los documentos y el audio desde los argumentos
+
+    num_audios = 5 * 3  # 5 audios * 3 campos (audio, nombre, cargo)
+
+    audios = args[:num_audios]
+
+    documentos = args[num_audios:]
+
+
+
+    # Leer el contenido de los documentos si se han subido
+
+    for documento in documentos:
+
+        if documento is not None:
+
+            contenido_doc = leer_documento(documento.name)
+
+            print(f"Contenido del documento {documento.name}: {contenido_doc}")
+
+            base_de_conocimiento["contenido_documentos"].append(contenido_doc)
+
+
+
+    # Recolecta datos de cada archivo de audio
+
+    for i in range(0, len(audios), 3):
+
+        audio_file, nombre, cargo = audios[i:i+3]
+
+        if audio_file is not None:
+
+            base_de_conocimiento["audio_data"].append({"audio": audio_file, "nombre": nombre, "cargo": cargo})
+
+
+
+    transcripciones_texto = ""
+
+    transcripciones_brutas = ""
+
+    total_citas_directas = 0
+
+
+
+    # Transcribe y compila las transcripciones
+
+    for idx, data in enumerate(base_de_conocimiento["audio_data"]):
+
+        if data["audio"] is not None:
+
+            transcripcion = transcribir_audio(data["audio"])
+
+            transcripcion_texto = f'"{transcripcion}" - {data["nombre"]}, {data["cargo"]}'
+
+            transcripcion_bruta = f'[Audio {idx + 1}]: "{transcripcion}" - {data["nombre"]}, {data["cargo"]}'
+
+
+
+            # Decidir si usar cita directa o indirecta
+
+            if total_citas_directas < len(base_de_conocimiento["audio_data"]) * 0.8:
+
+                transcripciones_texto += transcripcion_texto + "\n"
+
+                total_citas_directas += 1
+
+            else:
+
+                transcripciones_texto += f'{data["nombre"]} mencionó que {transcripcion}' + "\n"
+
+
+
+            transcripciones_brutas += transcripcion_bruta + "\n\n"
+
+
+
+            print(f"Transcripción bruta [Audio {idx + 1}]: {transcripcion_bruta}")
+
+            print(f"Transcripciones brutas acumuladas: {transcripciones_brutas}")
+
+
+
+    contenido_documentos = "\n\n".join(base_de_conocimiento["contenido_documentos"])
+
+
+
+    # Prompt adicional para instrucciones internas
+
+    prompt_interno = """
+
+    Instrucciones para el modelo:
+
+    - Asegúrate de que al menos el 80% de las citas sean directas y estén entrecomilladas.
+
+    - El 20% restante puede ser citas indirectas.
+
+    - No inventes información nueva.
+
+    - Sé riguroso con los hechos proporcionados.
+
+    - Al procesar los documentos cargados, extrae y resalta citas importantes y testimonios textuales de las fuentes.
+
+    - Al procesar los documentos cargados, extrae y resalta cifras clave.
+
+    """
+
+
+
+    # Compila el prompt para OpenAI
+
+    prompt = f"""
+
+    {prompt_interno}
+
+    Escribe una noticia con la siguiente información, incluyendo un título, un sumario de 20 palabras, y el cuerpo del contenido cuyo tamaño es {tamaño} palabras. El tono debe ser {tono}.
+
+    Instrucciones: {base_de_conocimiento["instrucciones"]}
+
+    Hechos: {base_de_conocimiento["hechos"]}
+
+    Contenido adicional de los documentos: {contenido_documentos}
+
+    Utiliza las siguientes transcripciones como citas directas e indirectas (sin cambiar ni inventar contenido):
+
+    {transcripciones_texto}
+
+    """
+
+
+
+    try:
+
+        respuesta = openai.ChatCompletion.create(
+
+            model="gpt-3.5-turbo",
+
+            messages=[{"role": "user", "content": prompt}],
+
+            temperature=0.1  # Bajamos la temperatura para mayor rigurosidad
+
+        )
+
+        noticia = respuesta['choices'][0]['message']['content']
+
+        return noticia, transcripciones_brutas
+
+    except Exception as e:
+
+        return f"Error al generar la noticia: {str(e)}", ""
+
+
+
+with gr.Blocks() as demo:
+
+    gr.Markdown("## Chatbot de noticias")
+
+    with gr.Row():
+
+        with gr.Column(scale=2):
+
+            instrucciones = gr.Textbox(label="Instrucciones para la noticia", lines=2)
+
+            hechos = gr.Textbox(label="Describe los hechos de la noticia", lines=4)
+
+            tamaño = gr.Number(label="Tamaño del cuerpo de la noticia (en palabras)", value=100)
+
+            tono = gr.Dropdown(label="Tono de la noticia", choices=["serio", "neutral", "divertido"], value="neutral")
+
+        with gr.Column(scale=3):
+
+            inputs_list = [instrucciones, hechos, tamaño, tono]
+
+            with gr.Tabs():
+
+                for i in range(1, 6):
+
+                    with gr.TabItem(f"Audio {i}"):
+
+                        audio = gr.Audio(type="filepath", label=f"Audio {i}")
+
+                        nombre = gr.Textbox(label="Nombre", scale=1)
+
+                        cargo = gr.Textbox(label="Cargo", scale=1)
+
+                        inputs_list.extend([audio, nombre, cargo])
+
+                for i in range(1, 6):
+
+                    with gr.TabItem(f"Documento {i}"):
+
+                        documento = gr.File(label=f"Documento {i}", type="filepath", file_count="single")
+
+                        inputs_list.append(documento)
+
+
+
+    with gr.Row():
+
+        generar = gr.Button("Generar noticia")
+
+    with gr.Row():
+
+        noticia_output = gr.Textbox(label="Noticia generada", lines=20)
+
+    with gr.Row():
+
+        transcripciones_output = gr.Textbox(label="Transcripciones brutas de los audios", lines=10)
+
+
+
+    generar.click(fn=generar_noticia, inputs=inputs_list, outputs=[noticia_output, transcripciones_output])
+
+
+
+demo.launch(share=True)