Update app.py

app.py

@@ -19,12 +19,28 @@ def get_random_product_mention():
 # Función para crear el texto introductorio aleatorio
 def generate_intro_text():
     intros = [
-        "Y si a ti te gustaría aprender todo esto…",
-        "Así que…",
-        "Si lo que quieres es llevarte todo, entonces..."
+        "¿Sabías que puedes cambiar tu vida en un solo paso?",
+        "Imagínate alcanzando tus metas más rápido de lo que crees.",
+        "Es momento de tomar el control de tu futuro.",
+        "¿Te gustaría dominar una habilidad que te transforme?",
+        "No dejes pasar esta oportunidad única para mejorar tu vida.",
+        "Ahora tienes la oportunidad de hacer algo increíble.",
+        "El primer paso hacia tus sueños está frente a ti.",
+        "No lo pienses más, el cambio comienza aquí y ahora.",
     ]
     return random.choice(intros)
 
+# Función para generar texto inicial dinámico basado en contexto
+def generate_dynamic_intro(target_audience, product, call_to_action):
+    templates = [
+        f"¿Estás listo para transformar tu vida con {product}?",
+        f"Imagina cómo {product} puede ayudarte a {call_to_action}.",
+        f"Para {target_audience}, {product} es la solución ideal para {call_to_action}.",
+        f"¿Quieres saber cómo {product} puede hacer tu vida más fácil? Descúbrelo ahora.",
+        f"{product} es la herramienta que necesitas para {call_to_action}.",
+    ]
+    return random.choice(templates)
+
 # Crear la instrucción de mención basada en la opción seleccionada
 def get_mention_instruction(product_mention, product):
     if product_mention == "Directa":
@@ -70,6 +86,10 @@ def get_random_cta():
     cta = random.choice(cta_types[cta_type])  # Selección aleatoria del CTA dentro del tipo
     return cta
 
+# Función para combinar texto inicial y CTA
+def generate_intro_text_with_cta(intro_text, cta):
+    return f"{intro_text} {cta}"
+
 # Función para generar llamados a la acción
 def generate_ctas(number_of_ctas, target_audience, product, call_to_action, temperature):
     product_mention = get_random_product_mention()
@@ -96,7 +116,6 @@ def generate_ctas(number_of_ctas, target_audience, product, call_to_action, temp
             "1. **Acción**: Palabras que invitan a realizar un movimiento (e.g., 'Descarga', 'Suscribete').\n"
             "2. **Valor**: Explica el beneficio que el usuario obtendrá al realizar la acción.\n\n"
             "Asegúrate de que cada llamado a la acción siga la estructura de 'Acción + conector + Valor', y evita incluir explicaciones como 'Acción: Descubrir' o 'Valor: Un oasis de paz en medio del caos'.\n"
-            "Important: Only answer CTAs, never include explanations or categories, like this: 'Registrarme ahora y descubrir cómo encontrar un poco de paz en medio del caos. (Este CTA apela al deseo de Han Solo de encontrar un momento de tranquilidad en su vida agitada.).'\n"
             "Los llamados de acción deben de ser cortos y concisos, basate en estos ejemplos para realizar tu tarea de crear los CTA's:\n\n"
             "**Ejemplos de CTAs en Voz Activa en Segunda Persona:**\n"
             "- 'Asiste a nuestro webinar para convertirte en un padre amoroso.'\n"
@@ -106,9 +125,6 @@ def generate_ctas(number_of_ctas, target_audience, product, call_to_action, temp
         )
     )
 
-    # Selección aleatoria de tipos de CTA, manteniendo variedad en la salida
-    selected_types = random.sample(list(cta_types.keys()), min(number_of_ctas, len(cta_types)))
-
     # Crear un mensaje para el modelo que incluye los CTAs generados según los tipos seleccionados
     ctas_instruction = (
         f"Tu tarea es crear {number_of_ctas} llamados a la acción efectivos dirigidos a {target_audience}, "
@@ -122,7 +138,7 @@ def generate_ctas(number_of_ctas, target_audience, product, call_to_action, temp
         response = model.generate_content([ctas_instruction])
         
         # Extraer el texto de la respuesta
-        generated_ctas = response.candidates[0].content.parts[0].text.strip()  # Modificado aquí
+        generated_ctas = response.candidates[0].content.parts[0].text.strip()
         
         # Retornar el resultado
         return generated_ctas
@@ -177,14 +193,24 @@ with col1:
 if submit:
     if target_audience and product and call_to_action:
         try:
-            intro_text = generate_intro_text()  # Generar el texto introductorio
-            # Obtener la respuesta del modelo
+            # Generar texto inicial dinámico
+            intro_text = generate_dynamic_intro(target_audience, product, call_to_action)
+            
+            # Generar CTAs
             generated_ctas = generate_ctas(number_of_ctas, target_audience, product, call_to_action, temperature)
             
+            # Combinar con texto inicial
+            combined_ctas = [
+                generate_intro_text_with_cta(intro_text, cta.strip())
+                for cta in generated_ctas.split('\n')
+            ]
+            
+            # Mostrar CTAs combinados
             col2.markdown(f"""
-                <div style="border: 1px solid #000000; padding: 5px; border-radius: 8px; background-color: #ffffff;">
-                    <h4>{intro_text}</h4>
-                    <p>{generated_ctas}</p>
+                <div style="border: 1px solid #000000; padding: 10px; border-radius: 8px; background-color: #ffffff;">
+                    <ul style="list-style-type: disc; margin-left: 20px;">
+                        {''.join(f"<li>{combined_cta}</li>" for combined_cta in combined_ctas)}
+                    </ul>
                 </div>
             """, unsafe_allow_html=True)
         except ValueError as e: