Update app.py

app.py

@@ -1,27 +1,46 @@
+import os
 import torch
 from diffusers import AutoPipelineForText2Image
 import gradio as gr
 
-# Cargar modelo (se ejecuta una sola vez)
+# Detectar dispositivo
+device = "cuda" if torch.cuda.is_available() else "cpu"
+
+# Cargar modelo con token (OBLIGATORIO para FLUX)
 pipe = AutoPipelineForText2Image.from_pretrained(
     "black-forest-labs/FLUX.1-dev",
-    torch_dtype=torch.bfloat16
+    torch_dtype=torch.float16,  # más compatible que bfloat16
+    token=os.getenv("HF_TOKEN")  # <-- clave aquí
 )
 
-pipe = pipe.to("cuda")
+pipe = pipe.to(device)
+
+# Optimización (MUY recomendado en Spaces)
+pipe.enable_attention_slicing()
+pipe.enable_vae_slicing()
+
+# Opcional: si tienes poca VRAM
+# pipe.enable_model_cpu_offload()
 
 # Cargar LoRA
-pipe.load_lora_weights(
-    "enhanceaiteam/Flux-uncensored-v2",
-    weight_name="lora.safetensors"
-)
+try:
+    pipe.load_lora_weights(
+        "enhanceaiteam/Flux-uncensored-v2",
+        weight_name="lora.safetensors"
+    )
+except Exception as e:
+    print("Error cargando LoRA:", e)
 
 # Función para generar imagen
 def generate(prompt):
-    image = pipe(prompt).images[0]
+    image = pipe(
+        prompt,
+        num_inference_steps=20,  # más rápido
+        guidance_scale=7.5
+    ).images[0]
     return image
 
-# Interfaz
+# UI
 demo = gr.Interface(
     fn=generate,
     inputs=gr.Textbox(label="Prompt"),