app.py

from pytube import YouTube
from transformers import pipeline
import openai
from dotenv import load_dotenv
import os
import gradio as gr

import base64

with open("Iso_Logotipo_Ceibal.png", "rb") as image_file:
    encoded_image = base64.b64encode(image_file.read()).decode()

# Load environment variables from the .env file de forma local
load_dotenv()

openai.api_key = os.environ["OPENAI_API_KEY"]


def download_audio_from_youtube(video_url, output_path):
    try:
        youtube = YouTube(video_url)
        audio_stream = youtube.streams.filter(only_audio=True).first()
        print("Downloading audio")
        audio_stream.download(output_path)
        print("Audio downloaded in")
        return audio_stream.default_filename
    except Exception as e:
        raise e


whisper_asr = pipeline(
    "automatic-speech-recognition",
    model="openai/whisper-small",
    generate_kwargs={
        "task": "transcribe",
        "language": "spanish",
    },
)


def transcribe_audio_with_whisper(audio_file_path):
    try:
        transcription = whisper_asr(audio_file_path)
        return transcription
    except Exception as e:
        return e


def add_new_message(message, chat_history):
    new_chat = []
    new_chat.append(
        {
            "role": "system",
            "content": "Sos Albert Einstein y tendrás que responder preguntas que te harán niños de escuela, las respuestas tienen que ser cómo si hablaras con albert Einstein y con la información de su vida. Las respuestas tienen que estar orientadas a niños entre 9 y 10 años.",
        }
    )
    for turn in chat_history:
        user, bot = turn
        new_chat.append({"role": "user", "content": user})
        new_chat.append({"role": "assistant", "content": bot})
    new_chat.append({"role": "user", "content": message})
    return new_chat


def respond(message, choice_age):
    chat = []
    chat.append(
        {
            "role": "system",
            "content": "Hola, tu función será devolver una lista de preguntas (máximo 5) acerca de la transcipción de un video, son videos educativos. Las preguntas deben estar formuladas cómo para niños{choice_age}.",
        }
    )
    chat.append(
        {
            "role": "user",
            "content": "Lo siguiente es el transcripto del video: " + message,
        }
    )
    response = openai.ChatCompletion.create(
        model="gpt-3.5-turbo",
        messages=chat,
        temperature=0.5,
        max_tokens=1000,
    )  # .choices[0].message.content
    # chat_history.append((message, response))

    return response.choices[0].message.content


def do_todo(url, choice_age, progress=gr.Progress()):
    video_url = url
    output_path = "./"
    progress(0, "Descargando video...")
    # Step 1: Download audio from YouTube video
    try:
        audio_file = download_audio_from_youtube(video_url, output_path)
    except:
        raise gr.Error(
            "Fallo en la descarga del video! Puede ser porque el link esté mal o está restringido el acceso."
        )
    progress(0.25, "Video descargado, generando transcripción...")

    if audio_file:
        # Step 2: Transcribe the downloaded audio using Whisper ASR from Hugging Face
        try:
            transcription = transcribe_audio_with_whisper(audio_file)
        except Exception as e:
            print(e)
            raise gr.Error("Fallo en la transcripicón!")

        if transcription:
            print("Transcription: ", transcription)
            progress(0.75, "Preguntando a ChatGPT...")

            answer = respond(transcription["text"], choice_age)
            return answer, transcription
        else:
            print("Transcription failed.")

    else:
        print("Audio download failed.")


# gr.Interface(fn=do_todo, inputs="text", outputs="text").launch()

with gr.Blocks() as demo:
    gr.Markdown(
        """
    <center>
    <h1>
    Uso de AI para la generación de preguntas acerca de la transcripción de un video.
    </h1>
    <img src='data:image/jpg;base64,{}' width=200px>

    </center>
    """.format(
            encoded_image
        )
    )
    with gr.Row():
        with gr.Column():
            gr.Markdown(
                "Primero debes ingresar el rango de edades para formular las preguntas:"
            )

            choice_age = gr.Radio(
                [
                    ("<7", "menores de 7 años"),
                    ("7-12", "entre 7 y 12 años"),
                    ("12-15", "entre 12 y 15 años"),
                    (">15", "mayores de 15"),
                ],
                label="Rango de edad:",
            )

            gr.Markdown("Segundo debes ingresar el link del video de Youtube:")

            prompt = gr.Textbox(label="Link")
            btn = gr.Button("Generar")

        with gr.Column():
            output = gr.Textbox(label="Resultado")  # Move the output up too
            with gr.Accordion("Ver transcripción:", open=False):
                transcription = gr.Textbox("", lines=7)

    btn.click(
        fn=do_todo,
        inputs=[prompt, choice_age],
        outputs=[output, transcription],
    )  # steps,guidance,width,height]

demo.queue()
demo.launch()