aa

app.py

@@ -7,6 +7,7 @@ import gradio as gr
 # Configuración de claves de API
 NVIDIA_API_KEY = os.getenv("NVIDIA_API_KEY")
 GEMINI_API_KEY = os.getenv("GEMINI_API_KEY")
+genai.configure(api_key=GEMINI_API_KEY)
 
 # Instrucciones del sistema por defecto (pueden ser modificadas por el usuario)
 default_system_instruction = """
@@ -51,8 +52,7 @@ async def generate_content(client, model_name, system_instruction, borrador, is_
             )
             return completion.choices[0].message.content
         else:  # Suponemos que es Google Gemini
-            client.system_instruction = system_instruction
-            response = await asyncio.to_thread(client.generate_content, borrador)
+            response = await asyncio.to_thread(client.generate_content, [system_instruction, borrador])
             return response.text
     except genai.types.GenerativeContentError as e:
         return f"Error en Google Gemini (Contenido): {str(e)}"
@@ -61,40 +61,33 @@ async def generate_content(client, model_name, system_instruction, borrador, is_
     except Exception as e:
         return f"Error en {model_name}: {str(e)}"
 
+# Función para combinar las respuestas de ambos modelos
+async def combine_responses(borrador):
+    system_instruction = default_system_instruction
+
+    # Generar contenido con Google Gemini
+    google_result = await generate_content(google_model, "gemini-exp-1114", system_instruction, borrador, is_nvidia=False)
+
+    # Generar contenido con NVIDIA
+    nvidia_result = await generate_content(nvidia_client, "gpt-4", system_instruction, borrador, is_nvidia=True)
+
+    # Combinar las respuestas
+    combined_result = f"**Google Gemini:**\n{google_result}\n\n**NVIDIA:**\n{nvidia_result}"
+    return combined_result
+
 # Función predict para procesar la entrada del usuario
-async def predict(api_choice, borrador):
+async def predict(borrador):
     """
-    api_choice: str - Define si se usará 'NVIDIA' o 'Google Gemini'.
     borrador: str - El texto del borrador judicial que se debe procesar.
     """
-    system_instruction = default_system_instruction
-    model_name = "gemini-exp-1114" if api_choice == "Google Gemini" else "gpt-4"
-
-    # Verifica si se selecciona NVIDIA o Google Gemini
-    if api_choice == "NVIDIA":
-        client = nvidia_client
-        is_nvidia = True
-    elif api_choice == "Google Gemini":
-        client = google_model
-        is_nvidia = False
-    else:
-        return "Error: Debe seleccionar una API válida ('NVIDIA' o 'Google Gemini')."
-
-    # Llama a la función genérica de generación
-    result = await generate_content(client, model_name, system_instruction, borrador, is_nvidia)
+    # Llama a la función para combinar las respuestas
+    result = await combine_responses(borrador)
     return result
 
 # Interfaz de usuario con Gradio
 with gr.Blocks() as demo:
     gr.Markdown("### Mejorador de Resoluciones Judiciales para Derecho de Familia - Chile")
 
-    # Selección de API (NVIDIA o Google Gemini)
-    api_choice = gr.Radio(
-        choices=["NVIDIA", "Google Gemini"],
-        label="Selecciona el modelo API",
-        value="Google Gemini"
-    )
-
     # Campo de entrada para el borrador judicial
     borrador = gr.Textbox(
         label="Ingresa el borrador de la resolución judicial",
@@ -114,8 +107,8 @@ with gr.Blocks() as demo:
 
     # Conexión del botón con la función predict
     submit_btn.click(
-        fn=lambda api_choice, borrador: asyncio.run(predict(api_choice, borrador)),
-        inputs=[api_choice, borrador],
+        fn=lambda borrador: asyncio.run(predict(borrador)),
+        inputs=borrador,
         outputs=output
     )