Spaces:
Running
Running
| import os | |
| import torch | |
| import gradio as gr | |
| from huggingface_hub import InferenceClient | |
| from model import model_params, AudioDataset | |
| token = os.getenv("HF_TOKEN") | |
| dataset_path = f"A-POR-LOS-8000/baby_cry_detection" # PARA MONITOR | |
| # dataset_path = f"data/mixed_data_nuevo" # PARA CLASIFICADOR | |
| model, _, _, id2label = model_params(dataset_path) | |
| device = torch.device("cuda" if torch.cuda.is_available() else "cpu")# Usar a GPU o CPU | |
| model.to(device)# Usar a GPU o CPU | |
| client = InferenceClient("meta-llama/Meta-Llama-3-8B-Instruct", token=token) | |
| # client = InferenceClient("mistralai/Mistral-Nemo-Instruct-2407", token=token) | |
| def predict(audio_path): | |
| audio_dataset = AudioDataset(dataset_path, {}) | |
| inputs = audio_dataset.preprocess_audio(audio_path) | |
| inputs = {"input_values": inputs.to(device).unsqueeze(0)} | |
| with torch.no_grad(): | |
| outputs = model(**inputs) | |
| predicted_class_ids = outputs.logits.argmax(-1) | |
| label = id2label[predicted_class_ids.item()] | |
| return label | |
| def respond(message, history: list[tuple[str, str]], system_message, max_tokens, temperature, top_p): | |
| messages = [{"role": "system", "content": system_message}] | |
| for val in history: | |
| if val[0]: | |
| messages.append({"role": "user", "content": val[0]}) | |
| if val[1]: | |
| messages.append({"role": "assistant", "content": val[1]}) | |
| messages.append({"role": "user", "content": message}) | |
| response = "" | |
| for message in client.chat_completion(messages, max_tokens=max_tokens, stream=True, temperature=temperature, top_p=top_p): # Creo que lo importante para el modelo | |
| token = message.choices[0].delta.content | |
| response += token | |
| yield response | |
| def cambiar_pestaña(): | |
| return gr.update(visible=False), gr.update(visible=True) | |
| my_theme = gr.themes.Soft( | |
| primary_hue="emerald", | |
| secondary_hue="green", | |
| neutral_hue="slate", | |
| text_size="sm", | |
| spacing_size="sm", | |
| font=[gr.themes.GoogleFont('Nunito'), 'ui-sans-serif', 'system-ui', 'sans-serif'], | |
| font_mono=[gr.themes.GoogleFont('Nunito'), 'ui-monospace', 'Consolas', 'monospace'], | |
| ).set( | |
| body_background_fill='*neutral_50', | |
| body_text_color='*neutral_600', | |
| body_text_size='*text_sm', | |
| embed_radius='*radius_md', | |
| shadow_drop='*shadow_spread', | |
| shadow_spread='*button_shadow_active' | |
| ) | |
| with gr.Blocks(theme=my_theme) as demo: | |
| with gr.Column(visible=True, elem_id="pantalla-inicial") as pantalla_inicial: | |
| gr.HTML( | |
| """ | |
| <style> | |
| @import url('https://fonts.googleapis.com/css2?family=Lobster&display=swap'); | |
| @import url('https://fonts.googleapis.com/css2?family=Roboto&display=swap'); | |
| h1 { | |
| font-family: 'Lobster', cursive; | |
| font-size: 5em !important; | |
| text-align: center; | |
| margin: 0; | |
| } | |
| .gr-button { | |
| background-color: #4CAF50 !important; | |
| color: white !important; | |
| border: none; | |
| padding: 15px 32px; | |
| text-align: center; | |
| text-decoration: none; | |
| display: inline-block; | |
| font-size: 16px; | |
| margin: 4px 2px; | |
| cursor: pointer; | |
| border-radius: 12px; | |
| } | |
| .gr-button:hover { | |
| background-color: #45a049; | |
| } | |
| h2 { | |
| font-family: 'Lobster', cursive; | |
| font-size: 3em !important; | |
| text-align: center; | |
| margin: 0; | |
| } | |
| p.slogan, h4, p, h3 { | |
| font-family: 'Roboto', sans-serif; | |
| text-align: center; | |
| } | |
| </style> | |
| <h1>Iremia</h1> | |
| <h4 style='text-align: center; font-size: 1.5em'>Tu aliado para el bienestar de tu bebé</h4> | |
| """ | |
| ) | |
| gr.Markdown( | |
| "<h4 style='text-align: left; font-size: 1.5em;'>¿Qué es Iremia?</h4>" | |
| ) | |
| gr.Markdown( | |
| "<p style='text-align: left'>Iremia es un proyecto llevado a cabo por un grupo de estudiantes interesados en el desarrollo de modelos de inteligencia artificial, enfocados específicamente en casos de uso relevantes para ayudar a cuidar a los más pequeños de la casa.</p>" | |
| ) | |
| gr.Markdown( | |
| "<h4 style='text-align: left; font-size: 1.5em;'>Nuestra misión</h4>" | |
| ) | |
| gr.Markdown( | |
| "<p style='text-align: left'>Sabemos que la paternidad puede suponer un gran desafío. Nuestra misión es brindarles a todos los padres unas herramientas de última tecnología que los ayuden a navegar esos primeros meses de vida tan cruciales en el desarrollo de sus pequeños.</p>" | |
| ) | |
| gr.Markdown( | |
| "<h4 style='text-align: left; font-size: 1.5em;'>¿Qué ofrece Iremia?</h4>" | |
| ) | |
| gr.Markdown( | |
| "<p style='text-align: left'>Iremia ofrece dos funcionalidades muy interesantes:</p>" | |
| ) | |
| gr.Markdown( | |
| "<p style='text-align: left'>Predictor: Con nuestro modelo de inteligencia artificial, somos capaces de predecir por qué tu hijo de menos de 2 años está llorando. Además, tendrás acceso a un asistente personal para consultar cualquier duda que tengas sobre el cuidado de tu pequeño.</p>" | |
| ) | |
| gr.Markdown( | |
| "<p style='text-align: left'>Monitor: Nuestro monitor no es como otros que hay en el mercado, ya que es capaz de reconocer si un sonido es un llanto del bebé o no, y si está llorando, predice automáticamente la causa, lo cual te brindará la tranquilidad de saber siempre qué pasa con tu pequeño y te ahorrará tiempo y muchas horas de sueño.</p>" | |
| ) | |
| with gr.Row(): | |
| with gr.Column(): | |
| gr.Markdown("<h2>Predictor</h2>") | |
| boton_pagina_1 = gr.Button("Prueba el predictor") | |
| gr.Markdown("<p>Descubre por qué llora tu bebé y resuelve dudas sobre su cuidado con nuestro Iremia assistant</p>") | |
| with gr.Column(): | |
| gr.Markdown("<h2>Monitor</h2>") | |
| boton_pagina_2 = gr.Button("Prueba el monitor") | |
| gr.Markdown("<p>Un monitor inteligente que detecta si tu hijo está llorando y te indica el motivo antes de que puedas levantarte del sofá</p>") | |
| with gr.Column(visible=False) as pagina_1: | |
| with gr.Row(): | |
| with gr.Column(): | |
| gr.Markdown("<h2>Predictor</h2>") | |
| audio_input = gr.Audio( | |
| min_length=1.0, | |
| format="wav", | |
| label="Baby recorder", | |
| type="filepath", # Para no usar numpy y preprocesar siempre igual | |
| ) | |
| classify_btn = gr.Button("¿Por qué llora?") | |
| classification_output = gr.Textbox(label="Tu bebé llora por:") | |
| classify_btn.click(predict, inputs=audio_input, outputs=classification_output) | |
| with gr.Column(): | |
| gr.Markdown("<h2>Assistant</h2>") | |
| system_message = "You are a Chatbot specialized in baby health and care." | |
| max_tokens = 512 | |
| temperature = 0.7 | |
| top_p = 0.95 | |
| chatbot = gr.ChatInterface( | |
| respond, # TODO: Cambiar para que argumentos estén aquí metidos | |
| additional_inputs=[ | |
| gr.State(value=system_message), | |
| gr.State(value=max_tokens), | |
| gr.State(value=temperature), | |
| gr.State(value=top_p) | |
| ], | |
| ) | |
| gr.Markdown("Este chatbot no sustituye a un profesional de la salud. Ante cualquier preocupación o duda, consulta con tu pediatra.") | |
| boton_volver_inicio_1 = gr.Button("Volver a la pantalla inicial").click(cambiar_pestaña, outputs=[pagina_1, pantalla_inicial]) | |
| with gr.Column(visible=False) as pagina_2: | |
| gr.Markdown("<h2>Monitor</h2>") | |
| gr.Markdown("Contenido de la Página 2") | |
| boton_volver_inicio_2 = gr.Button("Volver a la pantalla inicial").click(cambiar_pestaña, outputs=[pagina_2, pantalla_inicial]) | |
| boton_pagina_1.click(cambiar_pestaña, outputs=[pantalla_inicial, pagina_1]) | |
| boton_pagina_2.click(cambiar_pestaña, outputs=[pantalla_inicial, pagina_2]) | |
| demo.launch() | |