app.py

import os
import streamlit as st
import google.generativeai as genai
from PIL import Image
import io

# API-Schlüssel laden (aus Umgebungsvariable)
genai.configure(api_key=os.getenv('KEY'))  # Sicherer!

# Gemini Modell erstellen
generation_config = {
    "temperature": 0.5,  # Anpassbar
    "top_p": 0.95,      # Anpassbar
    "max_output_tokens": 200, # Anpassbar
}
model = genai.GenerativeModel(model_name="gemini-pro", generation_config=generation_config) # Gemini Pro verwenden

st.title("Bildanalyse mit Gemini")

uploaded_file = st.file_uploader("Bild hochladen", type=["jpg", "png", "jpeg"])

if uploaded_file is not None:
    image = Image.open(uploaded_file)
    st.image(image, caption="Hochgeladenes Bild", use_column_width=True)

    if st.button("Analysieren"):
        with st.spinner("Analysiere Bild..."):
            try:
                # Bild in Bytes umwandeln
                image_bytes = io.BytesIO()
                image.save(image_bytes, format=image.format)
                image_bytes = image_bytes.getvalue()

                # Bild in Base64 kodieren
                encoded_image = base64.b64encode(image_bytes).decode("utf-8")

                # Prompt erstellen (angepasst für Base64)
                prompt = f"Beschreibe dieses Bild (Base64-kodiert) und identifiziere das Hauptobjekt:\n\n{encoded_image}"

                # Anfrage an Gemini senden
                response = model.generate_text(prompt=prompt)

                # Antwort anzeigen
                st.write("## Analyseergebnis:")
                st.write(response.result)

            except Exception as e:
                st.error(f"Ein Fehler ist aufgetreten: {e}")