Update app.py

app.py

@@ -1,81 +1,56 @@
 import os
-import base64
 import traceback
-import requests
 import gradio as gr
-
-# URL del modelo en el ecosistema Serverless de Hugging Face
-API_URL = "https://api-inference.huggingface.co/models/joyfox/Qwen-Image-Edit-Cosplay"
+from gradio_client import Client
 
 def fusionar_cosplay_bridge(imagen_real, imagen_ref):
-    # 🌟 CRÍTICO: Leemos el Secret dentro de la función para asegurar que 
-    # esté disponible en el hilo de ejecución activo.
+    # 1. Validamos dinámicamente que el token exista en los Secrets
     hf_token = os.getenv("HF_TOKEN")
-    
     if not hf_token:
         print("[-] ERROR: El HF_TOKEN no está configurado en los Secrets del Space.")
         raise gr.Error("Falta el token HF_TOKEN en el servidor.")
 
     try:
-        print("[+] Petición recibida. Validando cadenas de entrada...")
+        print("[+] Petición recibida desde Android. Inicializando cliente nativo del clúster...")
+        
+        # 2. Inicializamos el cliente oficial de Hugging Face. 
+        # Al apuntar al identificador del modelo, el clúster resuelve la red de forma interna sin pasar por DNS externos.
+        hf_client = Client("joyfox/Qwen-Image-Edit-Cosplay", hf_token=hf_token)
         
-        # Sanitizamos los Strings Base64 agregando el prefijo Data URI requerido por Qwen
+        # Aseguramos el prefijo Data URI limpio
         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 optimizado puramente en caracteres originales para evitar problemas de codificación UTF-8
-        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 de 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
-            }
-        }
+        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"
         
-        headers = {
-            "Authorization": f"Bearer {hf_token}",
-            "Content-Type": "application/json"
-        }
+        print("[+] Enviando parámetros al pipeline de Qwen...")
         
-        print("[+] Enviando payload a la API de Inferencia...")
-        respuesta = requests.post(API_URL, headers=headers, json=json_payload, timeout=110)
-        print(f"[+] Respuesta del modelo recibida con código: {respuesta.status_code}")
+        # Ejecutamos la predicción usando el contrato de parámetros exacto del modelo
+        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:
-                # Si la API retorna los bytes crudos de la imagen, la convertimos a Data URI estándar
-                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 API: {respuesta.text}")
-            raise gr.Error(f"HF API Error: {respuesta.status_code}")
+        print("[+] Fusión completada con éxito.")
+        # El cliente nativo devuelve la estructura limpia o la URL local del archivo procesado
+        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 cliente del modelo: {str(e)}")
 
-# Usamos la clase Interface nativa. Al asignarle api_name="predict",
-# Gradio mapea automáticamente un endpoint POST HTTP puro en la ruta /api/predict
+# 3. Mapeamos la interfaz limpia para Android
 demo = gr.Interface(
     fn=fusionar_cosplay_bridge,
-    inputs=[
-        gr.Textbox(label="Imagen Real Base64"), 
-        gr.Textbox(label="Imagen Referencia Base64")
-    ],
-    outputs=gr.JSON(label="Resultado JSON"),
+    inputs=[gr.Textbox(label="Real"), gr.Textbox(label="Ref")],
+    outputs=gr.JSON(label="Resultado"),
     api_name="predict"
 )
 
-# 🌟 Deshabilitamos el Server-Side Rendering (SSR) experimental de Gradio 6 
-# para que no interfiera con llamadas de red crudas hechas desde Ktor (Android).
+# Apagamos el SSR para que mantenga comunicación directa con Ktor sin middlewares intermedios
 if __name__ == "__main__":
     demo.launch(ssr_mode=False)