app.py

from flask import Flask, request, jsonify
from sentence_transformers import SentenceTransformer
import os
import numpy as np # Importamos la librería numpy

# Carga el modelo
model = SentenceTransformer('naver/splade_v2_distil')

app = Flask(__name__)

@app.route('/vectorize', methods=['POST'])
def vectorize():
    try:
        json_data = request.get_json()
        texts = json_data.get('inputs')

        if not texts:
            return jsonify({"error": "No se encontró el campo 'inputs' en la solicitud."}), 400

        # 1. Genera el embedding. Ahora sabemos que es un solo ndarray
        embedding_array = model.encode(texts)

        # 2. Convertimos el ndarray a un formato que podamos usar.
        #    Para un vector disperso, necesitamos encontrar los índices y valores
        #    donde el vector no es cero.
        indices = np.where(embedding_array > 0)[0]
        values = embedding_array[indices]

        # 3. Construimos el diccionario de resultado y lo convertimos a listas normales
        serializable_result = {
            'indices': indices.tolist(),
            'values': values.tolist()
        }

        return jsonify(serializable_result)

    except Exception as e:
        return jsonify({"error": str(e)}), 500

@app.route('/', methods=['GET'])
def health_check():
    return "API para SPLADE está funcionando!"

if __name__ == '__main__':
    app.run(host='0.0.0.0', port=7860)