Update app.py

app.py

@@ -4,11 +4,12 @@ import traceback
 import requests
 import gradio as gr
 
-# Configuración de URLs y Variables de Entorno
+# URL del modelo en el ecosistema Serverless de Hugging Face
 API_URL = "https://api-inference.huggingface.co/models/joyfox/Qwen-Image-Edit-Cosplay"
 
-def fusionar_cosplay(imagen_real, imagen_ref):
-    # Forzamos la lectura del Secret de forma dinámica dentro de la petición
+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.
     hf_token = os.getenv("HF_TOKEN")
     
     if not hf_token:
@@ -16,16 +17,15 @@ def fusionar_cosplay(imagen_real, imagen_ref):
         raise gr.Error("Falta el token HF_TOKEN en el servidor.")
 
     try:
-        print("[+] Petición recibida desde Android. Procesando cadenas Base64...")
+        print("[+] Petición recibida. Validando cadenas de entrada...")
         
-        # Validamos y aseguramos el prefijo Data URI para el JSON de Qwen
+        # Sanitizamos los Strings Base64 agregando el prefijo Data URI requerido por Qwen
         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 monolingüe para evitar fallos de contexto en Qwen
-        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"
+        # 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"
         
-        # Payload JSON para la API de Inferencia Serverless
         json_payload = {
             "inputs": {
                 "text": prompt_texto,
@@ -41,37 +41,41 @@ def fusionar_cosplay(imagen_real, imagen_ref):
             "Content-Type": "application/json"
         }
         
-        print("[+] Enviando petición a la API de Inferencia de Hugging Face...")
+        print("[+] Enviando payload a la API de Inferencia...")
         respuesta = requests.post(API_URL, headers=headers, json=json_payload, timeout=110)
-        print(f"[+] Respuesta recibida. Código de estado: {respuesta.status_code}")
+        print(f"[+] Respuesta del modelo recibida con código: {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:
+                # 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}"}
+                return {"data": [f"data:image/jpeg;base64,{imagen_procesada_base64}"]}
         else:
-            print(f"[-] Error de la API de Inferencia: {respuesta.text}")
+            print(f"[-] Error de Hugging Face API: {respuesta.text}")
             raise gr.Error(f"HF API Error: {respuesta.status_code}")
 
     except Exception as e:
-        print("\n================= CRASH EN EL PROXY =================")
+        print("\n================= CRASH EN EL PUENTE =================")
         traceback.print_exc()
         print("=====================================================\n")
         raise gr.Error(f"Crash interno: {str(e)}")
 
-# Creamos una interfaz nativa limpia. 
-# Esto le dice a Gradio 6 que cree automáticamente un endpoint HTTP POST estándar en /api/predict
+# Usamos la clase Interface nativa. Al asignarle api_name="predict",
+# Gradio mapea automáticamente un endpoint POST HTTP puro en la ruta /api/predict
 demo = gr.Interface(
-    fn=fusionar_cosplay,
-    inputs=[gr.Textbox(label="Imagen Real"), gr.Textbox(label="Imagen Referencia")],
-    outputs=gr.JSON(label="Resultado"),
+    fn=fusionar_cosplay_bridge,
+    inputs=[
+        gr.Textbox(label="Imagen Real Base64"), 
+        gr.Textbox(label="Imagen Referencia Base64")
+    ],
+    outputs=gr.JSON(label="Resultado JSON"),
     api_name="predict"
 )
 
-# Arrancamos apagando el SSR experimental para evitar el proxy intermedio de Node.js
+# 🌟 Deshabilitamos el Server-Side Rendering (SSR) experimental de Gradio 6 
+# para que no interfiera con llamadas de red crudas hechas desde Ktor (Android).
 if __name__ == "__main__":
     demo.launch(ssr_mode=False)