Update app.py

app.py

@@ -1,47 +1,60 @@
 import gradio as gr
 import torch
-from diffusers import StableDiffusionPipeline, DDIMScheduler
-from ip_adapter.ip_adapter_faceid import IPAdapterFaceID
-from insightface.app import FaceAnalysis
 import cv2
 import numpy as np
+from PIL import Image
+from diffusers import StableDiffusionPipeline, DDIMScheduler
+from insightface.app import FaceAnalysis
+# Aquí es donde el archivo busca la carpeta 'ip_adapter' que subiste
+from ip_adapter.ip_adapter_faceid import IPAdapterFaceID
 
-# Configuración inicial
+# 1. Configuración de Dispositivos y Modelos
 device = "cuda"
 model_id = "runwayml/stable-diffusion-v1-5"
-ip_ckpt = "ip-adapter-faceid_sd15.bin"
+ip_ckpt = "ip-adapter-faceid_sd15.bin" # Asegúrate de que este nombre coincida con tu archivo
 
-# Cargar el pipeline
-pipe = StableDiffusionPipeline.from_pretrained(model_id, torch_dtype=torch.float16).to(device)
+# 2. Inicializar InsightFace (Detección de caras)
 app = FaceAnalysis(name="buffalo_l", providers=['CUDAExecutionProvider'])
 app.prepare(ctx_id=0, det_size=(640, 640))
 
-# Cargar IP-Adapter
+# 3. Cargar el Pipeline
+pipe = StableDiffusionPipeline.from_pretrained(
+    model_id, 
+    torch_dtype=torch.float16
+).to(device)
+
+# 4. Inicializar IP-Adapter
 ip_model = IPAdapterFaceID(pipe, ip_ckpt, device)
 
-def generate_image(input_image, prompt):
-    # Procesar cara
+def predict(input_image, prompt):
+    # Convertir de PIL a formato OpenCV para InsightFace
     img_cv = cv2.cvtColor(np.array(input_image), cv2.COLOR_RGB2BGR)
     faces = app.get(img_cv)
+    
     if not faces:
-        return None
+        return None # O muestra un mensaje de error
+    
+    # Usar el primer rostro detectado
+    face_embed = faces[0].embedding
     
-    # Generar
-    image = ip_model.generate(
+    # Generar la imagen
+    images = ip_model.generate(
         pil_image=input_image,
-        face_embed=faces[0].embedding,
+        face_embed=face_embed,
         prompt=prompt,
         width=512,
-        height=512
+        height=512,
+        num_inference_steps=30
     )
-    return image[0]
+    return images[0]
 
-# Interfaz de Gradio
+# 5. Crear la Interfaz con Gradio
 demo = gr.Interface(
-    fn=generate_image,
-    inputs=[gr.Image(type="pil"), gr.Textbox(label="Prompt")],
-    outputs="image",
-    title="IP-Adapter FaceID Generator"
+    fn=predict,
+    inputs=[gr.Image(type="pil", label="Sube tu foto"), gr.Textbox(label="Prompt")],
+    outputs=gr.Image(label="Resultado"),
+    title="Generador FaceID"
 )
 
-demo.launch()
+if __name__ == "__main__":
+    demo.launch()