Update app.py

app.py

@@ -1,44 +1,49 @@
-# Obtén el token desde las variables de entorno
-hf_token = os.getenv("HF_TOKEN")
-
-# Paso 1: Cargar el modelo de image-to-text
-image_to_text = pipeline("image-to-text", model="Salesforce/blip-image-captioning-base")
-
-# Paso 2: Función para llamar a la API de Qwen con el token seguro
-def generate_recipe(description):
-    url = "https://api-inference.huggingface.co/models/Qwen/Qwen2.5-72B-Instruct"
-    headers = {"Authorization": f"Bearer {hf_token}"}
-    payload = {
-        "inputs": f"Give me a list of ingredients and a step-by-step recipe for a dish described as: {description}",
-        "parameters": {"max_length": 500}
-    }
-
-    response = requests.post(url, headers=headers, json=payload)
-    response_data = response.json()
-    
-    # Manejo de posibles errores
-    if "error" in response_data:
-        return "Error generating recipe: " + response_data["error"]
-    return response_data[0]["generated_text"] if response_data else "No recipe generated."
-
-# Paso 3: Define la función principal para procesar la imagen y generar la receta
-def process_image(image):
-    # Paso 3.1: Generar descripción del plato
-    description = image_to_text(image)[0]['generated_text']
-    
-    # Paso 3.2: Generar receta a partir de la descripción
-    recipe = generate_recipe(description)
-    
-    return description, recipe
-
-# Paso 4: Crear la interfaz de Gradio
-iface = gr.Interface(
-    fn=process_image,
-    inputs=gr.Image(type="pil"),
-    outputs=["text", "text"],
-    title="Recipe Generator from Dish Image",
-    description="Upload an image of a dish to get a description, ingredient list, and step-by-step recipe."
-)
-
-# Lanzar la aplicación de Gradio
-iface.launch()
+import os
+import gradio as gr
+import requests
+from transformers import pipeline
+
+# Obtén el token desde las variables de entorno
+hf_token = os.getenv("HF_TOKEN")  # Esta línea solo debe aparecer una vez
+
+# Paso 1: Cargar el modelo de image-to-text
+image_to_text = pipeline("image-to-text", model="Salesforce/blip-image-captioning-base")
+
+# Paso 2: Función para llamar a la API de Qwen con el token seguro
+def generate_recipe(description):
+    url = "https://api-inference.huggingface.co/models/Qwen/Qwen2.5-72B-Instruct"
+    headers = {"Authorization": f"Bearer {hf_token}"}
+    payload = {
+        "inputs": f"Give me a list of ingredients and a step-by-step recipe for a dish described as: {description}",
+        "parameters": {"max_length": 500}
+    }
+
+    response = requests.post(url, headers=headers, json=payload)
+    response_data = response.json()
+    
+    # Manejo de posibles errores
+    if "error" in response_data:
+        return "Error generating recipe: " + response_data["error"]
+    return response_data[0]["generated_text"] if response_data else "No recipe generated."
+
+# Paso 3: Define la función principal para procesar la imagen y generar la receta
+def process_image(image):
+    # Paso 3.1: Generar descripción del plato
+    description = image_to_text(image)[0]['generated_text']
+    
+    # Paso 3.2: Generar receta a partir de la descripción
+    recipe = generate_recipe(description)
+    
+    return description, recipe
+
+# Paso 4: Crear la interfaz de Gradio
+iface = gr.Interface(
+    fn=process_image,
+    inputs=gr.Image(type="pil"),
+    outputs=["text", "text"],
+    title="Recipe Generator from Dish Image",
+    description="Upload an image of a dish to get a description, ingredient list, and step-by-step recipe."
+)
+
+# Lanzar la aplicación de Gradio
+iface.launch()