Update app.py

app.py

@@ -1,22 +1,13 @@
 import torch
-from diffusers import DiffusionPipeline
-import gradio as gr
-
-# 1. Cargar el pipeline base (asegúrate de tener acceso/permisos si es necesario)
-base_model_id = "black-forest-labs/FLUX.1-dev"
-pipe = DiffusionPipeline.from_pretrained(base_model_id, torch_dtype=torch.bfloat16)
-pipe.to("cuda")
-
-# 2. Cargar el adaptador LoRA desde el Hub
-# Al cargar el LoRA así, el pipeline lo integra automáticamente
-pipe.load_lora_weights("joyfox/Kontext-Cosplay-Lora", weight_name="kontext_cosplay_lora_20000.safetensors")
-
-def generate_image(prompt):
-    # La trigger phrase 'r2cos' es esencial según la documentación del autor
-    full_prompt = f"{prompt}, r2cos"
-    image = pipe(full_prompt, guidance_scale=3.5).images[0]
-    return image
-
-# Interfaz Gradio
-demo = gr.Interface(fn=generate_image, inputs="text", outputs="image")
-demo.launch()
+from diffusers import FluxPipeline
+
+# Cargar el pipeline con cuantización de 4 bits
+pipe = FluxPipeline.from_pretrained(
+    "black-forest-labs/FLUX.1-dev", 
+    torch_dtype=torch.bfloat16,
+    load_in_4bit=True, # Esta es la clave para reducir la memoria
+    device_map="auto"
+)
+
+# Luego carga tu LoRA como ya sabías
+pipe.load_lora_weights("joyfox/Kontext-Cosplay-Lora", weight_name="kontext_cosplay_lora_20000.safetensors")