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 io

# 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)  # Puedes ajustar esto si la API espera contenido de imagen real
    return respuesta.text

def reconocer_voz_desde_archivo(archivo_audio):
    reconocedor = sr.Recognizer()
    with sr.AudioFile(archivo_audio) as fuente:
        audio = reconocedor.record(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):
    tts = gTTS(text=texto, lang='es')
    archivo_audio = io.BytesIO()
    tts.write_to_fp(archivo_audio)
    archivo_audio.seek(0)
    st.audio(archivo_audio, format="audio/mp3")

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", "🎤 Subir archivo de audio"])

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 == "🎤 Subir archivo de audio":
        archivo_audio = st.file_uploader("Sube un archivo de audio", type=["wav", "mp3"])
        if archivo_audio:
            with st.spinner("Procesando audio..."):
                texto_de_voz = reconocer_voz_desde_archivo(archivo_audio)
            st.text_input("Texto reconocido", value=texto_de_voz)
            if texto_de_voz:
                with st.spinner("Generando respuesta..."):
                    resultado = procesar_texto(texto_de_voz)
                espacio_contenido_generado.write(resultado)
                if st.button("🔊 Hablar", key="hablar_entrada_audio"):
                    hablar_texto(resultado)