app.py

import streamlit as st
from PIL import Image
import speech_recognition as sr
import google.generativeai as genai
from gtts import gTTS
import os

# Configuración de la página de Streamlit
st.set_page_config(layout="wide")

# Configuración de la API key para Google Generative AI
api_key = "AIzaSyDJZ3r6VRhRivR0pb96cBRg_VvGg_fXq5k"  # API key proporcionada

def procesar_texto(texto):
    genai.configure(api_key=api_key)
    modelo = genai.GenerativeModel('gemini-1.5-pro-latest')
    respuesta = modelo.generate_content(texto)
    return respuesta.text

def procesar_imagen(imagen):
    genai.configure(api_key=api_key)
    modelo = genai.GenerativeModel('gemini-1.5-pro-latest')
    respuesta = modelo.generate_content(imagen.name)
    return respuesta.text

def reconocer_voz():
    reconocedor = sr.Recognizer()
    with sr.Microphone() as fuente:
        st.write("Escuchando...")
        audio = reconocedor.listen(fuente)
    try:
        texto = reconocedor.recognize_google(audio)
        return texto
    except sr.UnknownValueError:
        return "El reconocimiento de voz de Google no pudo entender el audio"
    except sr.RequestError as e:
        return f"No se pudieron solicitar resultados del servicio de reconocimiento de voz de Google; {e}"

def hablar_texto(texto):
    try:
        tts = gTTS(text=texto, lang='es')
        archivo_audio = "respuesta.mp3"
        tts.save(archivo_audio)
        os.system(f"mpg321 {archivo_audio}")  # Usa otro reproductor si es necesario
    except Exception as e:
        st.error(f"Error al generar audio: {e}")

st.title("🤖 ChatBot")

espacio_contenido_generado = st.empty()

# Cargar y aplicar CSS personalizado
with open("./style.css") as f:
    st.markdown(f"<style>{f.read()}</style>", unsafe_allow_html=True)

# Contenido principal
col1, col2 = st.columns([1, 3])

with col1:
    tipo_entrada = st.selectbox("Selecciona el tipo de entrada", ["Haz una pregunta❓", "🖼️ Subir imagen", "🎤 Usar micrófono"])

with col2:
    if tipo_entrada == "Haz una pregunta❓":
        entrada_texto = st.text_input("Ingresa tu pregunta aquí")
        if entrada_texto:
            with st.spinner("Generando respuesta..."):
                resultado = procesar_texto(entrada_texto)
            espacio_contenido_generado.write(resultado)
            if st.button("🔊 Hablar", key="hablar_entrada_texto"):
                hablar_texto(resultado)

    elif tipo_entrada == "🖼️ Subir imagen":
        entrada_imagen = st.file_uploader("Sube una imagen", type=["jpg", "png", "jpeg"])
        if entrada_imagen:
            imagen = Image.open(entrada_imagen)
            st.image(imagen, caption='Imagen subida.', use_column_width=True)
            with st.spinner("Procesando imagen..."):
                respuesta = procesar_imagen(entrada_imagen)
            espacio_contenido_generado.write(respuesta)

    elif tipo_entrada == "🎤 Usar micrófono":
        if st.button("Grabar"):
            with st.spinner("Escuchando y procesando..."):
                texto_de_voz = reconocer_voz()
            if texto_de_voz:
                entrada_texto = st.text_input("Habla", value=texto_de_voz)
                if entrada_texto:
                    with st.spinner("Generando respuesta..."):
                        resultado = procesar_texto(entrada_texto)
                    espacio_contenido_generado.write(resultado)
                    if st.button("🔊 Hablar", key="hablar_entrada_voz"):
                        hablar_texto(resultado)