Update app.py

app.py

@@ -5,7 +5,6 @@ import time
 from functools import wraps
 import sys
 import os
-import spaces  # Asegúrate de que este módulo esté correctamente instalado y disponible
 
 # Decorador para medir el tiempo de ejecución
 def medir_tiempo(func):
@@ -35,11 +34,11 @@ model_name = "dmis-lab/selfbiorag_7b"
 
 try:
     print("Cargando el tokenizador y el modelo de generación desde HuggingFace...")
-    tokenizer_gen = AutoTokenizer.from_pretrained(model_name, token=hf_token)
+    tokenizer_gen = AutoTokenizer.from_pretrained(model_name, use_auth_token=hf_token)
     model_gen = AutoModelForCausalLM.from_pretrained(
         model_name,
         torch_dtype=torch.float16 if device == "cuda" else torch.float32,
-        token=hf_token
+        use_auth_token=hf_token
     ).to(device)
 except ValueError as e:
     print(f"Error al cargar el tokenizador de generación: {e}")
@@ -65,15 +64,14 @@ model_trans = {}
 for lang, model_name_trans in translation_models.items():
     try:
         print(f"Cargando el tokenizador y el modelo de traducción para {lang} desde HuggingFace...")
-        tokenizer = MarianTokenizer.from_pretrained(model_name_trans, token=hf_token)
-        model = MarianMTModel.from_pretrained(model_name_trans, token=hf_token).to(device)
+        tokenizer = MarianTokenizer.from_pretrained(model_name_trans, use_auth_token=hf_token)
+        model = MarianMTModel.from_pretrained(model_name_trans, use_auth_token=hf_token).to(device)
         tokenizer_trans[lang] = tokenizer
         model_trans[lang] = model
     except Exception as e:
         print(f"Error al cargar el modelo de traducción para {lang}: {e}")
         sys.exit(1)
 
-@spaces.GPU(duration=120)  # Decorador para asignar GPU durante 120 segundos
 @medir_tiempo
 def generar_y_traducir_respuesta(consulta, idioma_destino):
     """