Spaces:
Runtime error
Runtime error
File size: 3,442 Bytes
4dc3383 5537833 32b66e2 4dc3383 47b18b6 804bbce 4dc3383 47b18b6 804bbce 4bda7d1 edd524c 47b18b6 db2a4d5 d09c5a0 e8de746 5e405b4 905f7db 804bbce edd524c db2a4d5 804bbce 5e405b4 905f7db 804bbce edd524c db2a4d5 0209bf9 db2a4d5 0209bf9 5e405b4 a035375 0209bf9 5e405b4 b3d009b 804bbce edd524c db2a4d5 5e405b4 804bbce edd524c 941bfc4 804bbce |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 |
import gradio as gr
from functions import extract_text, summarize_text, generate_question, get_answer_context, answer_question
def update(name='default text'):
return f"Welcome to Gradio, {name}!"
with gr.Blocks() as demo:
gr.Image('https://huggingface.co/spaces/hackathon-somos-nlp-2023/learning-assistance/blob/main/assets/owl-reading.png')
gr.Markdown('# Asistente de aprendizaje')
gr.Markdown("## Obtener el texto")
gr.Markdown(
"En esta sección puede proporcionar una URL la cual será revisada para extraer su contenido.")
with gr.Column():
with gr.Row():
inp_url = gr.Textbox(placeholder="URL",
show_label=False)
btn_extract_text = gr.Button("Extraer texto")
out_url_text = gr.Textbox(label="Texto extraído")
btn_extract_text.click(
fn=extract_text, inputs=inp_url, outputs=out_url_text)
# Summary section
gr.Markdown("## Elaborar resumen")
# gr.Markdown("En esta tarea se busca condensar el contenido del texto obtenido en la tarea anterior en un resumen breve y coherente.\nEl resumen puede ser útil para tener una idea general del contenido del texto sin tener que leer todo el contenido.")
gr.Markdown("Utilice esta función para generar un resumen del texto extraído.")
btn_summarize = gr.Button("Elaborar resumen")
out_summary = gr.Textbox(label="Resumen")
btn_summarize.click(fn=summarize_text,
inputs=out_url_text, outputs=out_summary)
# Question generation section
gr.Markdown("## Evalúa tu conocimiento")
# gr.Markdown("Esta tarea implica utilizar técnicas de procesamiento de lenguaje natural para generar preguntas relacionadas con el contenido del texto.\nLas preguntas pueden ayudar a entender mejor el contenido del texto y a identificar los principales temas y conceptos.")
gr.Markdown(
"Mejore su comprensión del texto extraído respondiendo a preguntas generadas a partir de diferentes secciones del mismo.")
with gr.Row():
with gr.Column():
btn_question_gen = gr.Button("Pregúntame algo sobre el contenido")
out_question_gen = gr.Textbox(show_label=False)
btn_question_gen.click(fn=generate_question, inputs=out_url_text,
outputs=out_question_gen)
with gr.Column():
btn_question_gen = gr.Button("Muestra contexto de la respuesta")
out_question_answer = gr.Textbox(show_label=False)
btn_question_gen.click(fn=get_answer_context,
outputs=out_question_answer)
# Question and answering
gr.Markdown("## Pregunta sobre el texto")
# gr.Markdown("En esta tarea se busca identificar las preguntas del usuario que puedan ser respondidas utilizando el texto obtenido previamente.\nSe utiliza un modelo de procesamiento de lenguaje natural para identificar la respuesta adecuada en el texto y proporcionarla al usuario.")
gr.Markdown(
"Esta sección está diseñada para que puedas hacer preguntas relacionadas con el contenido del texto extraído")
inp_qna = gr.Textbox(placeholder="Escriba su pregunta aquí",
show_label=False)
btn_qna = gr.Button("Responder")
out_qna = gr.Textbox(show_label=False)
btn_qna.click(fn=answer_question, inputs=inp_qna, outputs=out_qna)
demo.launch()
|