import gradio as gr
import numpy as np
import faiss

# Cargar el índice de Faiss
index = faiss.read_index("faiss_train_index.index")

# Función para la predicción
def predecir_similitud(texto, umbral):
    # Vectorizar el texto (usando la misma función que antes)
    texto_vectorizado = vectorize_text(texto)

    # 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:
        resultado = f"Coincidencia detectada (similitud: {similitud:.2f})"
    else:
        resultado = f"No se detectó coincidencia (similitud: {similitud:.2f})"
    
    return resultado

# Crear la interfaz de Gradio
iface = gr.Interface(
    fn=predecir_similitud,
    inputs=[gr.inputs.Textbox(default="Ingrese su texto aquí"), 
            gr.inputs.Slider(minimum=0, maximum=1, default=0.8, label="Umbral de Similitud")],
    outputs=gr.outputs.Textbox(),
    live=True,
    title="Detector de Coincidencias",
    description="Ingrese un texto y ajuste el umbral de similitud para detectar coincidencias con los vectores."
)

# Ejecutar la interfaz
iface.launch()