upload app.py

app.py

@@ -0,0 +1,89 @@
+import gradio as gr
+from transformers import BlenderbotTokenizer, BlenderbotForConditionalGeneration, pipeline
+import torch
+from gtts import gTTS
+
+
+# Cargamos el modelo para el chat
+model_name = 'facebook/blenderbot-400M-distill'
+tokenizer = BlenderbotTokenizer.from_pretrained(model_name)
+model = BlenderbotForConditionalGeneration.from_pretrained(model_name)
+
+
+# Cargamos el traductor de ingles a español
+english_model_name = "Helsinki-NLP/opus-mt-en-es"
+translator_en_es = pipeline("translation", model=english_model_name)
+
+# Cargamos el traductor de español a ingles
+spanish_model_name = "Helsinki-NLP/opus-mt-es-en"
+translator_es_en = pipeline("translation", model=spanish_model_name)
+
+
+def take_last_tokens(inputs, note_history, history):
+    """Filtrar los últimos 128 tokens"""
+    if inputs['input_ids'].shape[1] > 128:
+        inputs['input_ids'] = torch.tensor([inputs['input_ids'][0][-128:].tolist()])
+        inputs['attention_mask'] = torch.tensor([inputs['attention_mask'][0][-128:].tolist()])
+        note_history = ['</s> <s>'.join(note_history[0].split('</s> <s>')[2:])]
+        history = history[1:]
+    return inputs, note_history, history
+
+def add_note_to_history(note, note_history):
+    """Añadir una nota a la información histórica del chat"""
+    note_history.append(note)
+    note_history = '</s> <s>'.join(note_history)
+    return [note_history]
+
+
+def predict(text, history):
+      history = history or []
+      if history: 
+          history_useful = ['</s> <s>'.join([str(a[0])+'</s> <s>'+str(a[1]) for a in history])]
+      else:
+          history_useful = []
+      # Traducimos el texto ingresado a ingles
+      text_input = translator_es_en(text)[0]['translation_text']
+
+      # comparamos con el historial y codificamos la nueva entrada del usuario
+      history_useful = add_note_to_history(text_input, history_useful)  
+      inputs = tokenizer(history_useful, return_tensors="pt")
+      inputs, history_useful, history = take_last_tokens(inputs, history_useful, history)
+
+      # Generar una respuesta
+      reply_ids = model.generate(**inputs)
+      response = tokenizer.batch_decode(reply_ids, skip_special_tokens=True)[0]
+      # sumamos la respuesta al historial del chat
+      history_useful = add_note_to_history(response, history_useful)
+      list_history = history_useful[0].split('</s> <s>')
+      history.append((list_history[-2], list_history[-1]))
+
+      # pasamos el resultado a la funcion get_speach para obtener el audio
+      spanish_text = translator_en_es(response)
+      result_es = spanish_text[0]['translation_text']
+      sound_file = 'output.wav'
+      tts = gTTS(result_es, lang="es", tld='com.mx')
+      tts.save(sound_file)
+      return sound_file, history
+
+description = """
+<h2 style="text-align:center">Inicia el chat con la IA que ha sido entrenada para hablar contigo sobre lo que quieras.</h2>
+<h2 style="text-align:center">¡Hablemos!</h2>
+"""
+article = """Instrucciones: 
+\n1. Inserte el texto en la casilla de texto 
+\n2. Presionar 'Enviar' y esperar la respuesta
+\n4. Para enviar otro texto borrar el actual y volver al punto 1.
+
+El modelo usa: 
+- Modelo conversacional [facebook/blenderbot-400M-distill](https://huggingface.co/facebook/blenderbot-400M-distill?text=Hey+my+name+is+Julien%21+How+are+you%3F), 
+- Para las traducciones [Helsinki-NLP](https://huggingface.co/Helsinki-NLP) 
+- Para la respuesta de voz [gTTS](https://pypi.org/project/gTTS/)
+/n... y mucha magia ☺
+"""
+
+gr.Interface(fn=predict,
+              title="ChatBot Text-to-Speach en Español",
+              inputs= [gr.Textbox("", max_lines = 5, label = "Inserte su texto aqui") , 'state'],
+              outputs = [gr.Audio(type='file', label="Respuesta de IA en forma de audio"), 'state'],
+              description = description ,
+              article = article).launch(debug=True)

requirements.txt

@@ -0,0 +1,6 @@
+transformers==4.21.0
+gradio==3.11.0
+torch==1.12.1
+sacremoses==0.0.53
+sentencepiece==0.1.97
+gtts