from sentence_transformers import SentenceTransformer, util
import gradio as gr
import base64


model = SentenceTransformer('hiiamsid/sentence_similarity_spanish_es')



def process_text(text1,text2,text3,text4):
  embeddings = model.encode([text1,text2,text3,text4],convert_to_tensor=True)
  score = util.cos_sim(embeddings,embeddings).numpy()
  return {text2 : score[0][1].item(),text3 : score[0][2].item(),text4 : score[0][3].item()}

demo = gr.Blocks(title="Uso de AI para la comparación de frases y palabras.")
def complete_with_gpt(text1,text2,text3):
  return text1+text2+text3

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

with demo:
  gr.Markdown(
    """
    <center>
    <h1>
    Uso de AI para la comparación de frases y palabras.
    </h1>
    <img src='data:image/jpg;base64,{}' width=200px>
    <h3>
    Con este espacio podrás comparar la similitud entre distintas frases y palabras. El resultado es el porcentaje de similitud que el modelo encuentra entre la primer frase en comparación con las siguientes.
    </h3>
    </center>
    """.format(encoded_image))
  with gr.Row():
    with gr.Column():
      with gr.Row():
        gr.Markdown("Primero ingresá la primer frase:")
      with gr.Row():
        text_input = gr.Textbox( label="")
      with gr.Row():
        gr.Markdown("Ahora ingresá las frases a comparar con la primera:")
      with gr.Row():
        text_input2 = gr.Textbox(label="Frase 1")
      with gr.Row():
        text_input3 = gr.Textbox(label="Frase 2")
      with gr.Row():
        text_input4 = gr.Textbox(label="Frase 3")
      with gr.Row():
        btn = gr.Button("Calcular")
      with gr.Row():
        examples = gr.Examples([["Hola, ¿Cómo estás?","Hola, ¿Todo bien?","Que feo está el día","Yo estoy bien"]],[text_input,text_input2, text_input3,text_input4])
 
    with gr.Column():
      with gr.Row():
        text_output = gr.Label()
    
  btn.click(process_text, [text_input,text_input2, text_input3,text_input4], text_output)

demo.launch()