Update app.py

app.py

@@ -1,64 +1,52 @@
 import os
-import base64
 import traceback
-import requests
 import gradio as gr
+from gradio_client import Client
 
-# Configuración de la API externa
-API_URL = "https://api-inference.huggingface.co/models/joyfox/Qwen-Image-Edit-Cosplay"
+# 1. Inicializamos el cliente oficial de Hugging Face que hereda las DNS del clúster
 HF_TOKEN = os.getenv("HF_TOKEN")
 
+# 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
+
 def fusionar_cosplay_bridge(imagen_real, imagen_ref):
-    if not HF_TOKEN:
-        print("[-] ERROR: El HF_TOKEN no está configurado.")
-        raise gr.Error("Falta el token HF_TOKEN en el servidor.")
+    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.")
 
     try:
-        print("[+] Petición recibida desde Android. Procesando cadenas...")
+        print("[+] Petición recibida desde Android. Procesando a través del cliente nativo...")
         
-        # Validamos y formateamos los prefijos Data URI requeridos por el modelo Qwen
+        # 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}"
         
         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"
         
-        json_payload = {
-            "inputs": {
-                "text": prompt_texto,
-                "images": [data_uri_real, data_uri_ref]
-            },
-            "parameters": {
-                "max_new_tokens": 512
-            }
-        }
-        
-        headers = {
-            "Authorization": f"Bearer {HF_TOKEN}",
-            "Content-Type": "application/json"
-        }
+        print("[+] Enviando parámetros al modelo Qwen...")
         
-        print("[+] Conectando con la API de Inferencia...")
-        respuesta = requests.post(API_URL, headers=headers, json=json_payload, timeout=110)
-        print(f"[+] API de Inferencia respondió con código: {respuesta.status_code}")
+        # 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"
+        )
         
-        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 Hugging Face: {respuesta.text}")
-            raise gr.Error(f"HF API Error: {respuesta.status_code}")
+        print(f"[+] Procesamiento exitoso. Retornando estructura...")
+        return {"data": resultado}
 
     except Exception as e:
         print("\n================= CRASH EN EL PUENTE =================")
         traceback.print_exc()
         print("=====================================================\n")
-        raise gr.Error(f"Crash interno: {str(e)}")
+        raise gr.Error(f"Crash interno en el puente: {str(e)}")
 
-# Montamos la interfaz tradicional para forzar la exposición de endpoints REST estándar
+# 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")],
@@ -66,6 +54,6 @@ demo = gr.Interface(
     api_name="predict"
 )
 
-# 🌟 CORRECCIÓN AQUÍ: Quitamos 'show_api' para evitar el TypeError en Gradio 6
+# Desactivamos el SSR experimental para máxima compatibilidad con clientes HTTP crudos
 if __name__ == "__main__":
     demo.launch(ssr_mode=False)