import gradio as gr
from transformers import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel
import torch

# La ruta al modelo base que usaste para el entrenamiento
base_model_path = "meta-llama/Llama-2-7b-hf" # Es una suposición, verifica cuál usaste

# La ruta a tu adaptador LoRA que subiste
adapter_path = "AvaLovelace/LLaMA-ASCII-Art"

# Carga el tokenizador y el modelo base
tokenizer = AutoTokenizer.from_pretrained(base_model_path)
model = AutoModelForCausalLM.from_pretrained(
    base_model_path,
    torch_dtype=torch.float16
).to("cuda")

# Carga el adaptador LoRA en el modelo base
model = PeftModel.from_pretrained(model, adapter_path)

def generate_ascii_art(prompt):
    if not prompt:
        return "Por favor, introduce un prompt de texto."

    try:
        inputs = tokenizer(prompt, return_tensors="pt").to("cuda")
        outputs = model.generate(
            **inputs,
            max_length=200,
            do_sample=True,
            top_k=50,
            top_p=0.95,
            temperature=0.7,
            num_return_sequences=1
        )
        ascii_art = tokenizer.decode(outputs[0], skip_special_tokens=True)
        return ascii_art

    except Exception as e:
        return f"Error al generar el arte ASCII: {e}"

demo = gr.Interface(
    fn=generate_ascii_art,
    inputs=gr.Text(label="Prompt"),
    outputs=gr.Text(label="ASCII Art"),
    title="Generador de Arte ASCII para Taraxa Pulse",
    description="Escribe un prompt de texto para generar arte ASCII con un modelo Llama especializado."
)

if __name__ == "__main__":
    demo.launch()