Update app.py

app.py

@@ -6,6 +6,8 @@ from youtube_comment_downloader import YoutubeCommentDownloader
 from wordcloud import WordCloud
 from langdetect import detect
 import re
+import requests
+from bs4 import BeautifulSoup
 
 st.set_page_config(page_title="Análisis de Sentimientos en YouTube", layout="wide")
 
@@ -36,21 +38,33 @@ def get_comments(video_id, max_comments=50):
 
 @st.cache_resource
 def load_model(language):
-    if language == "es":
-        return pipeline("sentiment-analysis", model="nlptown/bert-base-multilingual-uncased-sentiment")  # multilingüe
-    else:
-        return pipeline("sentiment-analysis", model="nlptown/bert-base-multilingual-uncased-sentiment")  # fallback
+    return pipeline("sentiment-analysis", model="nlptown/bert-base-multilingual-uncased-sentiment")
+
+@st.cache_resource
+def load_summarizer():
+    return pipeline("summarization", model="sshleifer/distilbart-cnn-12-6")
+
+def get_video_title(video_id):
+    url = f"https://www.youtube.com/watch?v={video_id}"
+    response = requests.get(url)
+    soup = BeautifulSoup(response.text, "html.parser")
+    title_tag = soup.find("title")
+    if title_tag:
+        return title_tag.text.replace("- YouTube", "").strip()
+    return "Título no encontrado"
 
 if video_url:
     video_id = extract_video_id(video_url)
     
     if video_id:
-        # 🎞️ Miniatura del video
+        title = get_video_title(video_id)
         st.image(f"https://img.youtube.com/vi/{video_id}/0.jpg", caption="Miniatura del video", width=480)
+        st.markdown(f"### 📺 {title}")
+        st.markdown(f"[🔗 Ver en YouTube](https://www.youtube.com/watch?v={video_id})")
 
         with st.spinner("🔍 Extrayendo comentarios..."):
             comments = get_comments(video_id, max_comments=max_comments)
-        
+
         st.write(f"💬 Se extrajeron **{len(comments)}** comentarios")
 
         if comments:
@@ -61,7 +75,7 @@ if video_url:
                 idioma = "desconocido"
             st.markdown(f"🌐 **Idioma detectado:** `{idioma}`")
 
-            # Cargar modelo adecuado
+            # Modelo de sentimiento
             model = load_model(idioma)
 
             with st.spinner("🧠 Analizando sentimientos..."):
@@ -79,25 +93,15 @@ if video_url:
 
             df = pd.DataFrame({"Comentario": comments, "Sentimiento": sentiments})
 
-            # Mostrar resumen
-            st.subheader("📊 Resumen de Resultados")
+            # 🎯 Predicción de éxito del video
             sentiment_counts = df["Sentimiento"].value_counts()
             total = sentiment_counts.sum()
             dominant = sentiment_counts.idxmax()
-            st.markdown(f"**Sentimiento predominante:** `{dominant}`")
-
-            if dominant == "Positivo":
-                st.balloons()
-            elif dominant == "Negativo":
-                st.error("⚠️ Hay una gran cantidad de comentarios negativos.")
-            else:
-                st.info("🟡 Los comentarios son mayormente neutros.")
-
-            # 🎯 Predicción de éxito del video
             pos = sentiment_counts.get("Positivo", 0)
             neutro = sentiment_counts.get("Neutral", 0)
             neg = sentiment_counts.get("Negativo", 0)
             score = (pos + 0.5 * neutro) / total
+
             st.metric("🎯 Probabilidad de éxito del video", f"{score*100:.1f} %")
             if score > 0.75:
                 st.success("🚀 ¡Este video tiene alto potencial de viralidad!")
@@ -106,32 +110,39 @@ if video_url:
             else:
                 st.warning("😐 El video podría no estar siendo bien recibido.")
 
-            # Mostrar tabla
-            st.dataframe(df)
-
-            # Gráfico de pastel
-            fig1, ax1 = plt.subplots()
-            sentiment_counts.plot(kind='pie', autopct='%1.1f%%', ax=ax1, ylabel="")
-            ax1.set_title("Distribución de Sentimientos")
-            st.pyplot(fig1)
-
-            # Wordcloud
-            st.subheader("☁️ Palabras más frecuentes")
-            all_text = " ".join(df["Comentario"])
-            wordcloud = WordCloud(width=800, height=400, background_color="white").generate(all_text)
-            fig_wc, ax_wc = plt.subplots()
-            ax_wc.imshow(wordcloud, interpolation='bilinear')
-            ax_wc.axis("off")
-            st.pyplot(fig_wc)
-
-            # Comentarios destacados
-            st.subheader("📌 Comentarios representativos")
-            for tipo in ["Positivo", "Neutral", "Negativo"]:
-                ejemplo = df[df["Sentimiento"] == tipo].head(1)
-                if not ejemplo.empty:
-                    st.markdown(f"**{tipo}**: _{ejemplo['Comentario'].values[0]}_")
-
-            # Botón para descargar CSV
+            # 🧠 Resumen automático (usando comentarios)
+            with st.spinner("📝 Generando resumen..."):
+                summarizer = load_summarizer()
+                resumen_input = " ".join(df["Comentario"].tolist())[:1000]  # limit input size
+                resumen = summarizer(resumen_input, max_length=60, min_length=15, do_sample=False)[0]['summary_text']
+            st.subheader("🧠 Resumen automático de los comentarios")
+            st.markdown(f"_{resumen}_")
+
+            # 🧱 Organización con pestañas
+            tab1, tab2, tab3 = st.tabs(["📊 Análisis", "☁️ Palabras", "📌 Comentarios clave"])
+
+            with tab1:
+                st.dataframe(df)
+                fig1, ax1 = plt.subplots()
+                sentiment_counts.plot(kind='pie', autopct='%1.1f%%', ax=ax1, ylabel="")
+                ax1.set_title("Distribución de Sentimientos")
+                st.pyplot(fig1)
+
+            with tab2:
+                all_text = " ".join(df["Comentario"])
+                wordcloud = WordCloud(width=800, height=400, background_color="white").generate(all_text)
+                fig_wc, ax_wc = plt.subplots()
+                ax_wc.imshow(wordcloud, interpolation='bilinear')
+                ax_wc.axis("off")
+                st.pyplot(fig_wc)
+
+            with tab3:
+                for tipo in ["Positivo", "Neutral", "Negativo"]:
+                    ejemplo = df[df["Sentimiento"] == tipo].head(1)
+                    if not ejemplo.empty:
+                        st.markdown(f"**{tipo}**: _{ejemplo['Comentario'].values[0]}_")
+
+            # Descargar CSV
             csv = df.to_csv(index=False).encode('utf-8')
             st.download_button(
                 label="📥 Descargar resultados como CSV",