Update app.py

app.py

@@ -1,55 +1,19 @@
 import torch
-from transformers import Qwen2_5_VLForConditionalGeneration, AutoProcessor
-from qwen_vl_utils import process_vision_info
+import spaces
 import gradio as gr
+from diffusers import StableDiffusionXLPipeline
 
-# 1. Cargar el modelo
-model_id = "joyfox/Qwen-Image-Edit-Cosplay"
-model = Qwen2_5_VLForConditionalGeneration.from_pretrained(
-    model_id, 
-    torch_dtype=torch.bfloat16, 
-    device_map="auto"
-)
-processor = AutoProcessor.from_pretrained(model_id)
+# Usamos un modelo SDXL base que es extremadamente confiable y tiene todos sus archivos
+model_id = "stabilityai/stable-diffusion-xl-base-1.0"
+pipe = StableDiffusionXLPipeline.from_pretrained(
+    model_id, torch_dtype=torch.float16, use_safetensors=True, variant="fp16"
+).to("cuda")
 
-def edit_image(image, instruction):
-    # Preparar el prompt siguiendo la estructura de Qwen2-VL
-    messages = [
-        {
-            "role": "user",
-            "content": [
-                {"type": "image", "image": image},
-                {"type": "text", "text": f"Instruction: {instruction}. Edit the image accordingly."},
-            ],
-        }
-    ]
+@spaces.GPU
+def generate(prompt):
+    # La clave es la consistencia, SDXL con un buen prompt es muy estable
+    image = pipe(prompt=prompt, num_inference_steps=25).images[0]
+    return image
 
-    # Procesar entrada
-    text = processor.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
-    image_inputs, video_inputs = process_vision_info(messages)
-    inputs = processor(
-        text=[text],
-        images=image_inputs,
-        videos=video_inputs,
-        padding=True,
-        return_tensors="pt"
-    ).to("cuda")
-
-    # Generar (aquí el modelo devuelve la imagen editada)
-    generated_ids = model.generate(**inputs, max_new_tokens=2048)
-    
-    # Decodificar y procesar la salida (simplificado para el ejemplo)
-    # Nota: Qwen-VL suele devolver el resultado a través de una salida de pipeline
-    # específica definida en su model card.
-    return generated_ids
-
-# Interfaz
-demo = gr.Interface(
-    fn=edit_image,
-    inputs=[gr.Image(type="pil"), gr.Textbox(label="Instrucción de Cosplay")],
-    outputs=gr.Image(),
-    title="Qwen-VL Cosplay Editor"
-)
-
-if __name__ == "__main__":
-    demo.launch()
+demo = gr.Interface(fn=generate, inputs="text", outputs="image")
+demo.launch()