Update app.py

app.py

@@ -1,60 +1,110 @@
 import os
+import base64
 import traceback
+import requests
+import fastapi
 import gradio as gr
-from gradio_client import Client
+from pydantic import BaseModel
 
+# 1. Inicializamos FastAPI de manera independiente
+io_app = fastapi.FastAPI()
 
-# 1. Inicializamos el cliente oficial de Hugging Face que hereda las DNS del clúster
-HF_TOKEN = os.getenv("HF_TOKEN")
+class CosplayPayload(BaseModel):
+    data: list[str]
 
-# Usamos la API Serverless mediante el cliente nativo de Gradio
-try:
-    # Vincula directamente el modelo espacial sin usar peticiones HTTP crudas
-    hf_client = Client("joyfox/Qwen-Image-Edit-Cosplay", hf_token=HF_TOKEN)
-except Exception as e:
-    print(f"[-] Error inicializando el cliente de Hugging Face: {e}")
-    hf_client = None
+@io_app.post("/api/predict")
+async def fusionar_cosplay(payload: CosplayPayload):
+    # 🌟 CRÍTICO: Buscamos la variable de entorno directamente ADENTRO de la función
+    # Esto asegura que FastAPI lea el Secret inyectado en tiempo de ejecución en cada request.
+    token_dinamico = os.getenv("HF_TOKEN")
+    
+    if not token_dinamico:
+        print("[-] ERROR: El HF_TOKEN no está configurado en las variables (Secrets) del Space.")
+        raise fastapi.HTTPException(status_code=500, detail="Falta el token HF_TOKEN en el servidor.")
 
-def fusionar_cosplay_bridge(imagen_real, imagen_ref):
-    if not HF_TOKEN or hf_client is None:
-        raise gr.Error("El servidor no tiene configurado o validado el HF_TOKEN en los Secrets.")
+    if len(payload.data) < 2:
+        raise fastapi.HTTPException(status_code=400, detail="Se requieren exactamente 2 imágenes.")
 
     try:
-        print("[+] Petición recibida desde Android. Procesando a través del cliente nativo...")
+        print("[+] Petición recibida desde Android. Procesando cadenas Base64...")
         
-        # Aseguramos los prefijos Data URI limpios
-        data_uri_real = imagen_real if imagen_real.startswith("data:") else f"data:image/jpeg;base64,{imagen_real}"
-        data_uri_ref = imagen_ref if imagen_ref.startswith("data:") else f"data:image/jpeg;base64,{imagen_ref}"
+        # Aseguramos el prefijo Data URI para el JSON de Qwen
+        data_uri_real = payload.data[0] if payload.data[0].startswith("data:") else f"data:image/jpeg;base64,{payload.data[0]}"
+        data_uri_ref = payload.data[1] if payload.data[1].startswith("data:") else f"data:image/jpeg;base64,{payload.data[1]}"
         
+        # 🌟 Optimización del prompt para el modelo Qwen (removiendo el 'and' híbrido)
         prompt_texto = "把图2中动漫人物中的发型，服饰和装扮道具迁移到图1的真实人物，图1真实人物保持高度人脸一致性"
         
-        print("[+] Enviando parámetros al modelo Qwen...")
+        # Payload JSON limpio para la API de Inferencia Serverless
+        json_payload = {
+            "inputs": {
+                "text": prompt_texto,
+                "images": [data_uri_real, data_uri_ref]
+            },
+            "parameters": {
+                "max_new_tokens": 512
+            }
+        }
         
-        # Al usar .predict() del cliente nativo, Gradio resuelve internamente la red sin lanzar NameResolutionError
-        resultado = hf_client.predict(
-            parameter_0=data_uri_real,
-            parameter_1=data_uri_ref,
-            parameter_2=prompt_texto,
-            api_name="/predict"
-        )
+        headers = {
+            "Authorization": f"Bearer {token_dinamico}",
+            "Content-Type": "application/json"
+        }
         
-        print(f"[+] Procesamiento exitoso. Retornando estructura...")
-        return {"data": resultado}
+        print("[+] Enviando petición a la API de Inferencia de Hugging Face mediante el puente...")
+        
+        # Petición HTTP POST síncrona externa con un timeout prudente
+        API_URL = "https://api-inference.huggingface.co/models/joyfox/Qwen-Image-Edit-Cosplay"
+        respuesta = requests.post(API_URL, headers=headers, json=json_payload, timeout=110)
+        print(f"[+] Respuesta recibida. Código de estado: {respuesta.status_code}")
+        
+        if respuesta.status_code == 200:
+            content_type = respuesta.headers.get("content-type", "").lower()
+            
+            if "application/json" in content_type:
+                return respuesta.json()
+            else:
+                imagen_procesada_base64 = base64.b64encode(respuesta.content).decode("utf-8")
+                return {"data": f"data:image/jpeg;base64,{imagen_procesada_base64}"}
+        else:
+            print(f"[-] Error de la API de Inferencia: {respuesta.text}")
+            raise fastapi.HTTPException(status_code=502, detail=f"HF API Error: {respuesta.status_code}")
 
+    except fastapi.HTTPException as status_error:
+        raise status_error
     except Exception as e:
-        print("\n================= CRASH EN EL PUENTE =================")
+        print("\n================= CRASH EN EL PROXY =================")
         traceback.print_exc()
         print("=====================================================\n")
-        raise gr.Error(f"Crash interno en el puente: {str(e)}")
-
-# 2. Interfaz limpia expuesta como API universal para Android
-demo = gr.Interface(
-    fn=fusionar_cosplay_bridge,
-    inputs=[gr.Textbox(label="Real"), gr.Textbox(label="Ref")],
-    outputs=gr.JSON(label="Resultado"),
-    api_name="predict"
-)
-
-# Desactivamos el SSR experimental para máxima compatibilidad con clientes HTTP crudos
-if __name__ == "__main__":
-    demo.launch(ssr_mode=False)
+        raise fastapi.HTTPException(status_code=500, detail=f"Crash interno: {str(e)}")
+
+# 2. Función puente exclusiva para que la interfaz web de Gradio pueda probarse manualmente si lo deseas
+def prueba_desde_interfaz_web(real_b64, ref_b64):
+    token_gradio = os.getenv("HF_TOKEN")
+    if not token_gradio:
+        return "Error: Agrega el HF_TOKEN en Settings -> Secrets antes de presionar Submit."
+    
+    # Redirigimos la lógica interna de Gradio a la misma lógica de negocio de la función principal
+    try:
+        import asyncio
+        class FakePayload:
+            data = [real_b64, ref_b64]
+        res = asyncio.run(fusionar_cosplay(FakePayload()))
+        return str(res)
+    except Exception as err:
+        return f"Error en la prueba web: {str(err)}"
+
+# 3. Interfaz de Gradio (Obligatoria para la plataforma)
+with gr.Blocks() as demo:
+    gr.Markdown("# Cosplay API Bridge Active 🎭")
+    gr.Markdown("Este Space está corriendo un servidor FastAPI en segundo plano optimizado para peticiones desde Android.")
+    
+    with gr.Row(visible=False): # Dejamos la interfaz visual minimizada o para logs internos
+        txt_real = gr.Textbox(label="Real")
+        txt_ref = gr.Textbox(label="Ref")
+        btn_sub = gr.Button("Submit")
+        txt_out = gr.Textbox(label="Output")
+        btn_sub.click(fn=prueba_desde_interfaz_web, inputs=[txt_real, txt_ref], outputs=txt_out)
+
+# 4. Montamos la aplicación de FastAPI dentro de la instancia de Gradio 'demo'
+app = gr.mount_gradio_app(io_app, demo, path="/")