Update app.py

app.py

@@ -4,8 +4,7 @@ import gradio as gr
 from diffusers import FluxImg2ImgPipeline
 from PIL import Image
 
-# 1. Carga del modelo (Fuera de la función)
-# Usamos FLUX.1-schnell para velocidad en Spaces
+# 1. Carga del modelo optimizado en memoria
 model_id = "black-forest-labs/FLUX.1-schnell"
 print("Cargando pipeline en GPU...")
 pipe = FluxImg2ImgPipeline.from_pretrained(
@@ -13,48 +12,48 @@ pipe = FluxImg2ImgPipeline.from_pretrained(
     torch_dtype=torch.bfloat16
 ).to("cuda")
 
-# 2. Carga del LoRA
+# 2. Carga del LoRA de Cosplay
 print("Inyectando LoRA...")
 pipe.load_lora_weights("joyfox/Kontext-Cosplay-Lora", weight_name="kontext_cosplay_lora_20000.safetensors")
 
-# 3. Función de generación decorada
+# 3. Función de generación corregida
 @spaces.GPU
-def generate_cosplay(image, prompt):
+def generate_cosplay(image, prompt, strength, steps):
     if image is None:
         return None
-    
-    # Aseguramos que la imagen sea del tamaño correcto para FLUX
+        
+    # Redimensionamos para mantener estabilidad en FLUX
     image = image.convert("RGB").resize((1024, 1024))
     
-    # El prompt debe incluir el trigger 'r2cos'
+    # Trigger indispensable del LoRA
     full_prompt = f"{prompt}, r2cos"
     
-    # Semilla fija para consistencia
-    generator = torch.Generator(device="cuda").manual_seed(42)
+    # Eliminamos la semilla fija estricta para permitir variedad por intento,
+    # pero puedes volver a usar un generador si deseas replicabilidad exacta.
     
-    # Ejecución Img2Img
-    # strength=0.6 significa que mantenemos 40% de la original y 60% es la transformación
+    # Ejecución con los nuevos parámetros dinámicos
     result = pipe(
         prompt=full_prompt,
         image=image,
-        strength=0.6,
-        num_inference_steps=6,
-        guidance_scale=0.0,
-        generator=generator
+        strength=strength,          # Control dinámico desde la UI
+        num_inference_steps=steps,  # Elevado para dar tiempo al LoRA
+        guidance_scale=0.0
     ).images[0]
     
     return result
 
-# 4. Interfaz Gradio
+# 4. Interfaz de Gradio interactiva
 demo = gr.Interface(
     fn=generate_cosplay, 
     inputs=[
         gr.Image(type="pil", label="Foto de Referencia"), 
-        gr.Textbox(label="Descripción del personaje o estilo")
+        gr.Textbox(label="Descripción del personaje (Ej: Naruto, Cyberpunk, Samurai)"),
+        gr.Slider(minimum=0.1, maximum=1.0, value=0.7, step=0.05, label="Fuerza de Transformación (Strength)"),
+        gr.Slider(minimum=10, maximum=30, value=16, step=1, label="Pasos de Inferencia Totales (Steps)")
     ], 
     outputs=gr.Image(label="Resultado Cosplay"),
-    title="Kontext-Cosplay AI: Transformación de Estilo",
-    description="Sube tu foto y describe el estilo que quieres aplicar."
+    title="Kontext-Cosplay AI Pro",
+    description="Ajusta los deslizadores si la imagen cambia muy poco."
 )
 
 if __name__ == "__main__":