Update app.py

app.py

@@ -1,51 +1,36 @@
-import spacy
-import torch
+Aquí hay un ejemplo de código que puede utilizar como punto de partida para su aplicación:
+
+```python
 import gradio as gr
-from transformers import AutoModelForCausalLM, AutoTokenizer
+import spacy
+from transformers import pipeline
 
 nlp = spacy.load('es_core_news_sm')
+text_generator = pipeline('text-generation', model='gpt2')
 
-models = {
-    "https://huggingface.co/OpenAssistant/oasst-sft-6-llama-30b-xor": AutoModelForCausalLM.from_pretrained("https://huggingface.co/OpenAssistant/oasst-sft-6-llama-30b-xor"),
-}
-
-tokenizers = {
-    "https://huggingface.co/OpenAssistant/oasst-sft-6-llama-30b-xor": AutoTokenizer.from_pretrained("https://huggingface.co/OpenAssistant/oasst-sft-6-llama-30b-xor"),
-}
-
-
-def generate(model_name: str):
-    model = models[model_name]
-    tokenizer = tokenizers[model_name]
+def generate_sentence():
+    result = text_generator('')[0]
+    sentence = result['generated_text']
+    return sentence
 
-    # Encode input for the model
-    input_ids = tokenizer.encode('El', return_tensors='pt')
-
-    # Generate text
-    output = model.generate(input_ids, max_length=50, num_return_sequences=1, temperature=1.0)
-    generated_text = tokenizer.decode(output[0], skip_special_tokens=True)
-
-    return generated_text
-
-def process(sentence: str):
+def analyze_sentence(sentence):
     doc = nlp(sentence)
     tagged_words = [(token.text, token.pos_) for token in doc]
-
     return tagged_words
 
-inputs_generate = gr.inputs.Dropdown(choices=list(models.keys()), label="Model")
-outputs_generate = gr.outputs.Textbox(label="Generated Sentence")
-
-inputs_process = gr.inputs.Textbox(label="Sentence")
-outputs_process = gr.outputs.Textbox(label="Processed Sentence")
+def check_answer(sentence, answer):
+    tagged_words = analyze_sentence(sentence)
+    correct_answer = [tag for word, tag in tagged_words]
+    if answer == correct_answer:
+        return 'Correcto!'
+    else:
+        return 'Incorrecto. La respuesta correcta es: ' + str(correct_answer)
 
-generate_interface = gr.Interface(fn=generate, inputs=inputs_generate, outputs=outputs_generate)
-process_interface = gr.Interface(fn=process, inputs=inputs_process, outputs=outputs_process)
+sentence = generate_sentence()
+iface = gr.Interface(fn=check_answer, inputs=['text', 'list'], outputs='text')
+iface.launch()
+```
 
-interface = gr.Interface(
-    fn=generate,
-    inputs=gr.inputs.Dropdown(choices=list(models.keys()), label="Model"),
-    outputs=gr.outputs.Textbox(label="Generated Sentence")
-)
+Este código utiliza el modelo `gpt2` de HuggingFace para generar una frase utilizando la función `generate_sentence`. Luego, la función `analyze_sentence` utiliza spaCy para analizar la frase y etiquetar las palabras con sus respectivas categorías gramaticales. La función `check_answer` compara la respuesta del usuario con la respuesta correcta y devuelve un mensaje indicando si la respuesta es correcta o no. Finalmente, se utiliza Gradio para crear una interfaz de usuario donde el usuario puede ingresar su respuesta y recibir retroalimentación del sistema.
 
-interface.launch(share=True)
+Puede modificar este código para adaptarlo a sus necesidades específicas y agregar más funcionalidades a su aplicación.