Update app.py

app.py

@@ -1,60 +1,42 @@
+import sys
+import os
 import gradio as gr
 import torch
 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
+
+# --- FORZAR RUTA PARA QUE ENCUENTRE EL MÓDULO ---
+sys.path.append(os.path.dirname(os.path.abspath(__file__)))
 from ip_adapter.ip_adapter_faceid import IPAdapterFaceID
+# -----------------------------------------------
+
+from insightface.app import FaceAnalysis
 
-# 1. Configuración de Dispositivos y Modelos
+# Configuración
 device = "cuda"
 model_id = "runwayml/stable-diffusion-v1-5"
-ip_ckpt = "ip-adapter-faceid_sd15.bin" # Asegúrate de que este nombre coincida con tu archivo
+ip_ckpt = "ip-adapter-faceid_sd15.bin"
 
-# 2. Inicializar InsightFace (Detección de caras)
+# Carga de modelos
 app = FaceAnalysis(name="buffalo_l", providers=['CUDAExecutionProvider'])
 app.prepare(ctx_id=0, det_size=(640, 640))
 
-# 3. Cargar el Pipeline
-pipe = StableDiffusionPipeline.from_pretrained(
-    model_id, 
-    torch_dtype=torch.float16
-).to(device)
-
-# 4. Inicializar IP-Adapter
+pipe = StableDiffusionPipeline.from_pretrained(model_id, torch_dtype=torch.float16).to(device)
 ip_model = IPAdapterFaceID(pipe, ip_ckpt, device)
 
-def predict(input_image, prompt):
-    # Convertir de PIL a formato OpenCV para InsightFace
-    img_cv = cv2.cvtColor(np.array(input_image), cv2.COLOR_RGB2BGR)
+def generate(image, prompt):
+    img_cv = cv2.cvtColor(np.array(image), cv2.COLOR_RGB2BGR)
     faces = app.get(img_cv)
+    if not faces: return None
     
-    if not faces:
-        return None # O muestra un mensaje de error
-    
-    # Usar el primer rostro detectado
-    face_embed = faces[0].embedding
-    
-    # Generar la imagen
-    images = ip_model.generate(
-        pil_image=input_image,
-        face_embed=face_embed,
-        prompt=prompt,
-        width=512,
-        height=512,
-        num_inference_steps=30
+    # Generar
+    results = ip_model.generate(
+        pil_image=image, face_embed=faces[0].embedding, 
+        prompt=prompt, width=512, height=512
     )
-    return images[0]
-
-# 5. Crear la Interfaz con Gradio
-demo = gr.Interface(
-    fn=predict,
-    inputs=[gr.Image(type="pil", label="Sube tu foto"), gr.Textbox(label="Prompt")],
-    outputs=gr.Image(label="Resultado"),
-    title="Generador FaceID"
-)
+    return results[0]
 
-if __name__ == "__main__":
-    demo.launch()
+demo = gr.Interface(fn=generate, inputs=[gr.Image(type="pil"), gr.Textbox()], outputs="image")
+demo.launch()