Spaces:
Sleeping
Sleeping
File size: 11,135 Bytes
59d3177 ad0c4a2 59d3177 3779947 59d3177 ad0c4a2 3779947 ad0c4a2 59d3177 ad0c4a2 59d3177 ad0c4a2 59d3177 ad0c4a2 59d3177 ad0c4a2 59d3177 ad0c4a2 3779947 ad0c4a2 3779947 ad0c4a2 3779947 ad0c4a2 59d3177 ad0c4a2 59d3177 ad0c4a2 59d3177 ad0c4a2 59d3177 ad0c4a2 59d3177 ad0c4a2 59d3177 ad0c4a2 59d3177 ad0c4a2 59d3177 ad0c4a2 59d3177 ad0c4a2 59d3177 ad0c4a2 3779947 ad0c4a2 59d3177 |
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 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 |
import streamlit as st
import openai
import os
import requests
import pandas as pd
import io
from wordcloud import WordCloud
import matplotlib.pyplot as plt
from PIL import Image
import base64
from collections import Counter
import numpy as np
import nltk
from nltk.corpus import stopwords
from nltk.tokenize import word_tokenize
nltk.download('stopwords')
nltk.download('punkt')
st.sidebar.image('logo-empresa.png', caption='Logo de la empresa')
st.sidebar.markdown('### Configuración IA')
# Solicita el API key de OpenAI en el panel lateral
api_key = st.sidebar.text_input('Ingresa tu API key de OpenAI:', type="password")
temperature = st.sidebar.slider('Ajuste de Temperature:', min_value=0.1, max_value=2.0, value=1.0, step=0.1)
max_tokens = st.sidebar.slider('Max Tokens:', min_value=50, max_value=1500, value=1000, step=50)
st.sidebar.markdown('### Información Adicional')
st.sidebar.markdown('<a href="https://ia.promocioneconomicadesalamanca.com/" target="_blank">Acceso Curso Completo</a>', unsafe_allow_html=True)
openai.api_key = api_key
# Muestra la imagen en la parte superior
st.image("logos.png", use_column_width=True)
st.empty() # Agrega un espacio vacío
st.markdown('---')
st.markdown('## Crea Automáticamente Contenido con tu IA Personalizada')
def plot_histogram(articulo):
# Tokenizar el artículo en palabras
palabras = word_tokenize(articulo, language='spanish')
# Obtener las stopwords en español
stop_words = set(stopwords.words('spanish'))
# Filtrar las palabras para eliminar las stopwords y palabras no alfabéticas
palabras_filtradas = [word for word in palabras if word.isalpha() and word.lower() not in stop_words]
# Obtener la frecuencia de cada palabra
freq = Counter(palabras_filtradas)
# Ordenar las palabras por frecuencia y tomar las 8 más comunes
common_words = freq.most_common(8)
labels, values = zip(*common_words)
# Mostrar el histograma
plt.figure(figsize=(12, 8))
plt.bar(labels, values)
plt.xticks(rotation=90) # Rotar las etiquetas del eje x para una mejor visualización
# Ajustar los márgenes para asegurar que las etiquetas no se corten
plt.subplots_adjust(left=0.1, bottom=0.2)
# Aumentar el tamaño de la fuente de las etiquetas y el título
plt.xlabel('Palabras clave', fontsize=14)
plt.ylabel('Frecuencia', fontsize=14)
plt.title('Top 8 Palabras clave más frecuentes', fontsize=16)
plt.xticks(fontsize=12)
plt.yticks(fontsize=12)
# Guardar la imagen en un buffer y mostrarla en Streamlit
buf = io.BytesIO()
plt.savefig(buf, format="png")
buf.seek(0)
tab1.image(buf, caption="Histograma de frecuencia de palabras (8 más comunes)", use_column_width=True)
# Función para generar imágenes con DALL·E
def generar_imagenes(descripcion, num_imagenes=4):
response = openai.Image.create(
prompt=descripcion,
n=num_imagenes,
size="512x512",
response_format="url"
)
urls = [data['url'] for data in response.data]
print(urls) # Añade esta línea para ver las URLs generadas.
return urls
def get_image_download_link(img_url, filename="imagen.png", text="Descargar imagen"):
"""
Genera un link para descargar una imagen.
"""
response = requests.get(img_url)
img_data = response.content
b64 = base64.b64encode(img_data).decode()
return f'<a href="data:image/png;base64,{b64}" download="{filename}">{text}</a>'
# Función para generar artículos
def generar_articulo(tema):
prompt_articulo = "Eres un experto en marketing de contenidos y generador de artículos en profundidad"
mensajes = [
{"role": "system", "content": prompt_articulo},
{"role": "user", "content": f"Quiero que hagas un artículo sobre \"{tema}\" con índice, titulares, desarrollo de temas y un resumen al final."}
]
respuesta = openai.ChatCompletion.create(
model="gpt-3.5-turbo",
messages=mensajes,
temperature=temperature,
max_tokens=max_tokens,
top_p=1,
frequency_penalty=0,
presence_penalty=0
)
return respuesta.choices[0].message['content']
# Función para generar estudio de palabras clave
def generar_estudio_palabras(tema):
prompt_keywords = "Eres un experto en SEO y análisis de palabras clave. Por favor, genera una lista de palabras clave en español relacionadas con el tema. No escribas nada más"
mensajes = [
{"role": "system", "content": prompt_keywords},
{"role": "user", "content": f"¿Cuáles son las palabras clave relacionadas con \"{tema}\"?"}
]
respuesta = openai.ChatCompletion.create(
model="gpt-3.5-turbo",
messages=mensajes,
temperature=1,
max_tokens=200,
top_p=1,
frequency_penalty=0,
presence_penalty=0
)
return respuesta.choices[0].message['content'].split(',')
def mostrar_palabras_clave(palabras_clave):
# Dividir la cadena de palabras clave en una lista
palabras_lista = palabras_clave[0].split('\n')
# Eliminar cualquier cadena vacía que pueda haber en la lista
palabras_lista = [palabra for palabra in palabras_lista if palabra]
# Mostrar las palabras clave en formato de lista en Streamlit
tab2.write("Aquí tienes una lista de palabras clave relacionadas con:")
for palabra in palabras_lista:
tab2.markdown(f"- {palabra}")
def contar_palabras(titulos):
nltk.download('stopwords')
nltk.download('punkt')
palabras = []
for titulo in titulos:
tokens = word_tokenize(titulo.lower())
palabras.extend(tokens)
stop_words = set(stopwords.words('spanish'))
palabras_filtradas = [p for p in palabras if p not in stop_words and p.isalpha()]
return Counter(palabras_filtradas)
def generar_nube_palabras(palabras):
wordcloud = WordCloud(width=800, height=400, background_color='white').generate(' '.join(palabras))
plt.figure(figsize=(10, 5))
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis('off')
# Guardar la imagen en un buffer y mostrarla en Streamlit
buf = io.BytesIO()
plt.savefig(buf, format="png")
buf.seek(0)
tab2.image(buf, caption="Nube de palabras clave", use_column_width=True)
def generar_ideas_articulos(titulos):
ideas = []
for titulo in titulos:
prompt = f"Basándote en el título '{titulo}', proporcióna una idea original para un artículo que pueda posicionarse bien en los motores de búsqueda."
mensajes = [
{"role": "system", "content": prompt}
]
respuesta = openai.ChatCompletion.create(
model="gpt-3.5-turbo",
messages=mensajes,
temperature=0.7,
max_tokens=150,
top_p=1,
frequency_penalty=0,
presence_penalty=0
)
idea = respuesta.choices[0].message['content']
ideas.append(idea)
return ideas
# Crear pestañas
tab4, tab2, tab1, tab3 = st.tabs(["Mejores Ideas Competencia", "Estudio de Palabras Clave", "Generar Artículo", "Generar Imagen con DALL·E"])
with tab1:
tab1.subheader("Generar un artículo")
tema = tab1.text_input('Introduce el tema para el artículo:')
if tab1.button('Generar Artículo'):
articulo = generar_articulo(tema)
tab1.text_area("Artículo Generado:", articulo, height=400)
st.download_button("Descargar Artículo", articulo, "mi_articulo.txt")
# Llama a plot_histogram() sólo después de haber definido articulo
plot_histogram(articulo)
with tab2:
tab2.subheader("Estudio de palabras clave")
tema_keywords = tab2.text_input('Introduce el tema para el estudio de palabras clave:')
# Inicializa el estado del botón si aún no está definido
if "btn_estudio_pressed" not in st.session_state:
st.session_state.btn_estudio_pressed = False
# Botón que cambia el estado cuando se presiona
if tab2.button('Generar Estudio'):
st.session_state.btn_estudio_pressed = not st.session_state.btn_estudio_pressed
# Verifica el estado para decidir si ejecutar el código
if st.session_state.btn_estudio_pressed:
palabras_clave = generar_estudio_palabras(tema_keywords)
generar_nube_palabras(palabras_clave)
mostrar_palabras_clave(palabras_clave) # Añade esta línea
with tab3:
tab3.subheader("Generar una imagen con DALL·E")
descripcion = tab3.text_input('Introduce una descripción para la imagen:')
if tab3.button('Generar Imagen'):
urls_imagenes = generar_imagenes(descripcion)
# Establece las columnas para las imágenes (2x2)
col1, col2 = tab3.columns(2)
for i, url in enumerate(urls_imagenes):
# Si es imagen impar, la muestra en la columna 1, si no, en la columna 2
if i % 2 == 0:
col = col1
else:
col = col2
# Mostrar la imagen
img = Image.open(requests.get(url, stream=True).raw)
col.image(img, caption=descripcion, use_column_width=True)
# Botón de descarga debajo de cada imagen
col.markdown(get_image_download_link(url, filename=f"imagen_{i+1}.png"), unsafe_allow_html=True)
with tab4:
tab4.subheader("Generar ideas de artículos posicionados de la competencia")
# Entrada de texto para el término de búsqueda
busqueda = tab4.text_input("Introduce el término de búsqueda:")
if tab4.button('Buscar Compentencia y Generar Ideas'):
# Consulta a la API de spaceserp con el término de búsqueda y tu API key
url = f"https://api.spaceserp.com/google/search?apiKey={st.secrets['clave-spaceserp']}&q={busqueda}&gl=es&hl=es"
response = requests.get(url)
if response.status_code == 200:
data = response.json()
titulos_serp = [result["title"] for result in data["organic_results"]]
# Genera ideas de artículos basadas en estos títulos
ideas_articulos = generar_ideas_articulos(titulos_serp)
# Convertir los resultados en un DataFrame y mostrarlo en una tabla
df = pd.DataFrame({
'Título SERP': titulos_serp,
'Idea para Artículo': ideas_articulos
})
tab4.table(df)
# Contar las palabras clave más usadas en los títulos
frecuencia_palabras = contar_palabras(titulos_serp)
# Generar el histograma con Streamlit y matplotlib
palabras, frecuencias = zip(*frecuencia_palabras.most_common(30))
fig, ax = plt.subplots(figsize=(10, 8))
ax.barh(palabras, frecuencias)
ax.set_title("Palabras clave más utilizadas")
ax.invert_yaxis() # invertir el eje y para que las palabras más frecuentes estén en la parte superior
tab4.pyplot(fig)
else:
tab4.warning("Hubo un error al consultar la API de spaceserp.")
|