Spaces:
Build error
Build error
File size: 2,825 Bytes
2e257ed | 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 | import streamlit as st
from diffusers import StableDiffusionImg2ImgPipeline
import torch
from PIL import Image
import os
# Inisialisasi pipeline model
@st.cache_resource
def load_model():
model = StableDiffusionImg2ImgPipeline.from_pretrained(
"runwayml/stable-diffusion-v1-5",
torch_dtype=torch.float16
)
model.to("cuda") # Gunakan GPU untuk performa optimal
return model
# Header aplikasi
st.title("Stable Diffusion Image-to-Image Generator")
st.write("🎨 Unggah gambar dan tambahkan deskripsi untuk menghasilkan gambar baru!")
# Input teks dari pengguna
prompt = st.text_input("Masukkan teks deskripsi gambar:", "")
negative_prompt = st.text_input("Masukkan teks untuk menghindari elemen tertentu (Negative Prompt):", "")
# Opsi parameter tambahan
guidance_scale = st.slider("Guidance Scale (Semakin tinggi, semakin spesifik gambar)", 1.0, 20.0, 7.5)
strength = st.slider("Strength (Pengaruh gambar asli, 0=mirip, 1=berbeda)", 0.1, 1.0, 0.75)
steps = st.slider("Jumlah Langkah Inferensi", 10, 50, 30)
# Input gambar dari pengguna
uploaded_file = st.file_uploader("Unggah gambar awal (Input Image)", type=["jpg", "jpeg", "png"])
# Tombol untuk menghasilkan gambar
if st.button("Generate") and prompt and uploaded_file:
with st.spinner("Sedang menghasilkan gambar..."):
# Load model
model = load_model()
# Buka dan proses gambar
init_image = Image.open(uploaded_file).convert("RGB")
init_image = init_image.resize((512, 512)) # Sesuaikan ukuran gambar ke 512x512
# Proses image-to-image
image = model(
prompt=prompt,
negative_prompt=negative_prompt if negative_prompt else None,
image=init_image,
strength=strength,
guidance_scale=guidance_scale,
num_inference_steps=steps
).images[0] # Ambil gambar pertama dari hasil
# Tampilkan hasil gambar
st.image(image, caption="Gambar yang dihasilkan", use_column_width=True)
# Simpan gambar ke folder assets
if not os.path.exists("assets/"):
os.makedirs("assets/")
save_path = f"assets/{prompt.replace(' ', '_')}_neg_{negative_prompt.replace(' ', '_') if negative_prompt else 'none'}.png"
image.save(save_path)
st.success(f"Gambar telah disimpan di {save_path}")
else:
if not prompt:
st.warning("Masukkan deskripsi untuk memulai.")
if not uploaded_file:
st.warning("Unggah gambar untuk memulai.")
# Tampilan gambar sebelumnya
st.subheader("Gambar Sebelumnya")
if os.path.exists("assets/"):
for img_file in os.listdir("assets/"):
st.image(f"assets/{img_file}", caption=img_file, use_column_width=True)
|