app.py

from openai import OpenAI
from dotenv import load_dotenv
import requests
import os
import streamlit as st

# Adicionar o contexto de execução as secrets configuradas no arquivo .env
load_dotenv()

def gerar_contexto_imagem(input_imagem):

    api_url = "https://api-inference.huggingface.co/models/Salesforce/blip-image-captioning-large"
    access_token = os.getenv("HUGGINGFACEHUB_API_TOKEN")
    headers = {"Authorization": f"Bearer {access_token}"}
               
    with open(input_imagem, "rb") as f:
        data = f.read()
    response = requests.post(api_url, headers=headers, data=data).json()
    
    return response[0]['generated_text']

def traduzir_texto(texto):
    client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))
    chat = client.chat.completions.create(
        model="gpt-3.5-turbo-0125",
        messages=[
            {"role":"system", "content": "Traduza do inglês para o português"},
            {"role": "user", "content": texto}
        ])
    
    return chat.choices[0].message.content

def gerar_historia(contexto):
    llm_provider = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))

    historia = llm_provider.chat.completions.create(
        model='gpt-3.5-turbo-0125',
        max_tokens=300,
        temperature=0.85,
        messages=[
            {"role": "system", "content":"Dado o contexto do usuário, crie uma história no idioma PORTIGUÊS. O texto deve entre 150 e 200 caracteres"},
            {"role": "user", "content": contexto}
        ]
    )

    return historia.choices[0].message.content

# text to speech
def gerar_audio(texto):
    audio_name = 'historia.wav'
    api_url = "https://api-inference.huggingface.co/models/facebook/mms-tts-por"
    access_token = os.getenv("HUGGINGFACEHUB_API_TOKEN")
    headers = {"Authorization": f"Bearer {access_token}"}
    payload = {
        "inputs": texto
    }

    response = requests.post(api_url, headers=headers, json=payload)
    
    with open(audio_name, 'wb') as file:
        file.write(response.content)
    
    return audio_name

# APP / Interface gráfica
def main():
    st.set_page_config(page_title="imagem para história em áudio")
    st.header("Imagem para história em áudio")

    upload_file = st.file_uploader("Selecione uma imagem", type="jpg")

    if upload_file is not None:
        print(upload_file)
        imagem_data_bytes = upload_file.getvalue()

        with open(upload_file.name, "wb") as file:
            file.write(imagem_data_bytes)

        st.image(upload_file, caption="Imagem / Fotografia", use_column_width=True)

        contexto_em_ingles = gerar_contexto_imagem(upload_file.name)
        contexto_traduzido = traduzir_texto(contexto_em_ingles)
        historia = gerar_historia(contexto_traduzido)
        historia_em_audio = gerar_audio(historia)

        with st.expander("Contexto"):
            st.write(contexto_traduzido)

        with st.expander("Historia"):
            st.write(historia)

        st.audio(historia_em_audio)

if __name__ == '__main__':
    main()