app.py

import os
from glob import glob
from sentence_transformers import SentenceTransformer
import gradio as gr
import numpy as np
import faiss

# Cargar el modelo de Sentence Transformers
model_name = "quora-distilbert-multilingual"
model = SentenceTransformer(model_name)

# Función para vectorizar un texto
def vectorize_text(text):
    return model.encode([text])[0]

# Obtener una lista de todos los archivos *.index en el directorio
archivos_indices = glob("*.index")

# Cargar todos los índices de Faiss
indices = []
for archivo_index in archivos_indices:
    index = faiss.read_index(archivo_index)
    indices.append(index)

# Función para predecir la similitud con cada índice
def predecir_similitud(texto):
    resultados = []

    # Vectorizar el texto (usando la misma función que antes)
    texto_vectorizado = vectorize_text(texto)

    for i, index in enumerate(indices):
        # Buscar similitud con Faiss
        texto_vectorizado_np = np.array([texto_vectorizado], dtype=np.float32)
        D, I = index.search(texto_vectorizado_np, 1)  # Buscar el vector más cercano
        similitud = 1 - D[0][0]  # Calcular similitud de coseno

        # Comparar con el umbral y proporcionar el resultado
        if similitud >= umbral_similitud:
            resultado = f"Coincidencia con índice {i} (similitud: {similitud:.2f})"
        else:
            resultado = f"No se detectó coincidencia con índice {i} (similitud: {similitud:.2f})"
        
        resultados.append(resultado)

    return resultados

# Crear la interfaz de Gradio con un botón de "Predecir"
iface = gr.Interface(
    fn=predecir_similitud,
    inputs=gr.inputs.Textbox(default="Ingrese su texto aquí"),
    outputs=gr.outputs.Textbox(),
    live=False,
    title="Detector de Coincidencias",
    description="Ingrese un texto y haga clic en 'Predecir' para detectar coincidencias con los vectores."
)

# Ejecutar la interfaz
iface.launch()