from transformers import *
import gradio as gr
import torch
model_category = AutoModelForCausalLM.from_pretrained("dquisi/story_spanish_gpt2_by_category")
tokenizer_category = AutoTokenizer.from_pretrained("dquisi/story_spanish_gpt2_by_category")
story_gen = pipeline("text-generation", "pranavpsv/gpt2-genre-story-generator")
tokenizer = AutoTokenizer.from_pretrained("dquisi/story_spanish_gpt2_v2")
model = AutoModelForCausalLM.from_pretrained("dquisi/story_spanish_gpt2_v2")
task_name_en_es = f"translation_en_to_es"
model_name_en_es = f"Helsinki-NLP/opus-mt-en-es"
task_name_es_en = f"translation_es_to_en"
model_name_es_en = f"Helsinki-NLP/opus-mt-es-en"
translator_es_en  = pipeline(task_name_en_es, model=model_name_en_es, tokenizer=model_name_en_es)
translator_en_es = pipeline(task_name_es_en, model=model_name_es_en, tokenizer=model_name_es_en)
def generate_story_translate(texto,longitud=250,categoria='superheroe'):
  translate_en = translator_es_en(texto)[0]["translation_text"]
  translate_cat_en = translator_es_en(texto)[0]["translation_text"]
  query = "<BOS> <{0}> {1}".format(translate_cat_en, translate_en)
  generated_text = story_gen(query, max_length=longitud,do_sample=True,repetition_penalty=1.1, temperature=1.2, top_p=0.95, top_k=50)
  generated_text = generated_text[0]['generated_text']
  generated_text = generated_text.split('> ')[2]
  return translator_en_es(generated_text)[0]["translation_text"]
def generate_story_custom(texto,longitud=250):
  query = "<BOS> <{0}>".format(texto)
  input_ids = tokenizer(query, return_tensors="pt")["input_ids"]
  output = model.generate(input_ids, max_length=longitud,do_sample=True,repetition_penalty=1.1, temperature=1.2, top_p=0.95, top_k=50)
  return tokenizer.decode(output[0])
def generate_story_custom_category(texto,longitud=250,categoria='superheroe'):
  query = "<BOS> <{0}> {1}".format(categoria, texto)
  input_ids = tokenizer_category(query, return_tensors="pt")["input_ids"]
  output = model_category.generate(input_ids, max_length=longitud,do_sample=True,repetition_penalty=1.1, temperature=1.2, top_p=0.95, top_k=50)
  return tokenizer_category.decode(output[0])

contexto = gr.inputs.Textbox(lines=10, placeholder="Ingresar palabras claves para generar un cuento")
categoria = gr.inputs.Textbox(lines=1, placeholder="Ingresar Categoria")
longitud = gr.inputs.Slider(50, 500)
opciones = gr.inputs.CheckboxGroup(["Generar", "Generar por Categoria", "Generar 2"])
resultado = gr.outputs.HTML(label="Resultado")
def generate_storie(contexto,categoria,longitud,opciones):
  resultado=""
  cuentos=[]
  if "Generar" in opciones:
    cuentos.append(generate_story_custom(contexto,longitud))
  if "Generar por Categoria" in opciones:
    cuentos.append(generate_story_custom_category(contexto,longitud,categoria))
  if "Generar 2" in opciones:
    cuentos.append(generate_story_translate(contexto,longitud,categoria))  
  resultado += "<p><b>Generados:</b> "+'<b>Cuento: <b/>'.join(cuentos)+"</p>" 
  return resultado
iface = gr.Interface(
  fn=generate_storie, 
  inputs=[contexto,categoria,longitud,opciones], 
  outputs=resultado)
iface.launch(debug=True)