Spaces:
Sleeping
Sleeping
File size: 4,039 Bytes
7cba34a e341366 7cba34a d35d511 7cba34a 61e86f1 7cba34a e341366 4d995a1 61e86f1 e341366 7cba34a e341366 d35d511 897c746 7cba34a 61e86f1 7cba34a e341366 7cba34a e341366 7cba34a |
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 |
import gradio as gr
import base64
import vertexai
from vertexai.generative_models import GenerativeModel, Part, SafetySetting
import os
# Configuraci贸n del modelo y par谩metros globales
generation_config = {
"max_output_tokens": 8192,
"temperature": 0.75,
"top_p": 0.95,
}
safety_settings = [
SafetySetting(
category=SafetySetting.HarmCategory.HARM_CATEGORY_HATE_SPEECH,
threshold=SafetySetting.HarmBlockThreshold.OFF
),
SafetySetting(
category=SafetySetting.HarmCategory.HARM_CATEGORY_DANGEROUS_CONTENT,
threshold=SafetySetting.HarmBlockThreshold.OFF
),
SafetySetting(
category=SafetySetting.HarmCategory.HARM_CATEGORY_SEXUALLY_EXPLICIT,
threshold=SafetySetting.HarmBlockThreshold.OFF
),
SafetySetting(
category=SafetySetting.HarmCategory.HARM_CATEGORY_HARASSMENT,
threshold=SafetySetting.HarmBlockThreshold.OFF
),
]
def configurar_credenciales(json_path):
"""Configura las credenciales de Google Cloud usando un archivo JSON."""
os.environ["GOOGLE_APPLICATION_CREDENTIALS"] = json_path
def extraer_respuestas(pdf_data):
"""Simula la extracci贸n de preguntas y respuestas desde un PDF."""
# Aqu铆 puedes usar bibliotecas como PyPDF2 para procesar el contenido del PDF
# Por simplicidad, asumiremos texto plano (esto es un ejemplo)
texto_extraido = base64.b64decode(pdf_data).decode("utf-8", errors="ignore")
preguntas_respuestas = {}
for linea in texto_extraido.split("\n"):
if "Pregunta" in linea:
pregunta = linea
preguntas_respuestas[pregunta] = ""
elif "Respuesta" in linea:
preguntas_respuestas[pregunta] = linea.split(":")[-1].strip()
return preguntas_respuestas
def revisar_examen(json_path, pdf_docente, pdf_alumno):
"""Funci贸n principal para comparar los PDFs del docente y del alumno."""
try:
# Configurar las credenciales
configurar_credenciales(json_path)
# Inicializar Vertex AI
vertexai.init(project="deploygpt", location="us-central1")
# Leer los datos de los PDFs desde la ruta proporcionada por Gradio
with open(pdf_docente.name, "rb") as docente_file:
docente_data = docente_file.read()
with open(pdf_alumno.name, "rb") as alumno_file:
alumno_data = alumno_file.read()
# Extraer preguntas y respuestas del docente y del alumno
preguntas_docente = extraer_respuestas(docente_data)
respuestas_alumno = extraer_respuestas(alumno_data)
# Construir la retroalimentaci贸n manualmente para evitar "alucinaciones"
retroalimentacion = []
for pregunta, respuesta_correcta in preguntas_docente.items():
respuesta_alumno = respuestas_alumno.get(pregunta, "No respondida")
if respuesta_alumno == "No respondida":
retroalimentacion.append(f"Pregunta: {pregunta}\nNo fue asignada al alumno.\n")
else:
retroalimentacion.append(
f"Pregunta: {pregunta}\n"
f"Respuesta del alumno: {respuesta_alumno}\n"
f"Respuesta correcta: {respuesta_correcta}\n"
)
# Unir la retroalimentaci贸n en un solo texto
feedback = "\n".join(retroalimentacion)
return feedback
except Exception as e:
return f"Error al procesar: {str(e)}"
# Crear la interfaz con Gradio
interface = gr.Interface(
fn=revisar_examen,
inputs=[
gr.File(label="Archivo de Credenciales JSON"),
gr.File(label="PDF del Docente (Preguntas y Respuestas)"),
gr.File(label="PDF del Alumno (Respuestas)")
],
outputs=gr.Textbox(label="Retroalimentaci贸n del Examen"),
title="Revisi贸n Autom谩tica de Ex谩menes",
description="Sube el archivo de credenciales JSON de Google Cloud, el PDF del docente y el PDF del alumno para recibir una evaluaci贸n detallada."
)
# Lanzar la interfaz
interface.launch(debug=True)
|