Update app.py

app.py

@@ -2,40 +2,30 @@ import os
 import base64
 import traceback
 import requests
-import fastapi
 import gradio as gr
-from pydantic import BaseModel
 
-# 1. Inicializamos FastAPI de manera independiente
-io_app = fastapi.FastAPI()
+# Configuración de URLs y Variables de Entorno
+API_URL = "https://api-inference.huggingface.co/models/joyfox/Qwen-Image-Edit-Cosplay"
 
-class CosplayPayload(BaseModel):
-    data: list[str]
-
-@io_app.post("/api/predict")
-async def fusionar_cosplay(payload: CosplayPayload):
-    # 🌟 CRÍTICO: Buscamos la variable de entorno directamente ADENTRO de la función
-    # Esto asegura que FastAPI lea el Secret inyectado en tiempo de ejecución en cada request.
-    token_dinamico = os.getenv("HF_TOKEN")
+def fusionar_cosplay(imagen_real, imagen_ref):
+    # Forzamos la lectura del Secret de forma dinámica dentro de la petición
+    hf_token = os.getenv("HF_TOKEN")
     
-    if not token_dinamico:
-        print("[-] ERROR: El HF_TOKEN no está configurado en las variables (Secrets) del Space.")
-        raise fastapi.HTTPException(status_code=500, detail="Falta el token HF_TOKEN en el servidor.")
-
-    if len(payload.data) < 2:
-        raise fastapi.HTTPException(status_code=400, detail="Se requieren exactamente 2 imágenes.")
+    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 desde Android. Procesando cadenas Base64...")
         
-        # Aseguramos el prefijo Data URI para el JSON de Qwen
-        data_uri_real = payload.data[0] if payload.data[0].startswith("data:") else f"data:image/jpeg;base64,{payload.data[0]}"
-        data_uri_ref = payload.data[1] if payload.data[1].startswith("data:") else f"data:image/jpeg;base64,{payload.data[1]}"
+        # Validamos y aseguramos el prefijo Data URI para el JSON de 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}"
         
-        # 🌟 Optimización del prompt para el modelo Qwen (removiendo el 'and' híbrido)
+        # 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"
         
-        # Payload JSON limpio para la API de Inferencia Serverless
+        # Payload JSON para la API de Inferencia Serverless
         json_payload = {
             "inputs": {
                 "text": prompt_texto,
@@ -47,14 +37,11 @@ async def fusionar_cosplay(payload: CosplayPayload):
         }
         
         headers = {
-            "Authorization": f"Bearer {token_dinamico}",
+            "Authorization": f"Bearer {hf_token}",
             "Content-Type": "application/json"
         }
         
-        print("[+] Enviando petición a la API de Inferencia de Hugging Face mediante el puente...")
-        
-        # Petición HTTP POST síncrona externa con un timeout prudente
-        API_URL = "https://api-inference.huggingface.co/models/joyfox/Qwen-Image-Edit-Cosplay"
+        print("[+] Enviando petición a la API de Inferencia de Hugging Face...")
         respuesta = requests.post(API_URL, headers=headers, json=json_payload, timeout=110)
         print(f"[+] Respuesta recibida. Código de estado: {respuesta.status_code}")
         
@@ -68,43 +55,23 @@ async def fusionar_cosplay(payload: CosplayPayload):
                 return {"data": f"data:image/jpeg;base64,{imagen_procesada_base64}"}
         else:
             print(f"[-] Error de la API de Inferencia: {respuesta.text}")
-            raise fastapi.HTTPException(status_code=502, detail=f"HF API Error: {respuesta.status_code}")
+            raise gr.Error(f"HF API Error: {respuesta.status_code}")
 
-    except fastapi.HTTPException as status_error:
-        raise status_error
     except Exception as e:
         print("\n================= CRASH EN EL PROXY =================")
         traceback.print_exc()
         print("=====================================================\n")
-        raise fastapi.HTTPException(status_code=500, detail=f"Crash interno: {str(e)}")
+        raise gr.Error(f"Crash interno: {str(e)}")
 
-# 2. Función puente exclusiva para que la interfaz web de Gradio pueda probarse manualmente si lo deseas
-def prueba_desde_interfaz_web(real_b64, ref_b64):
-    token_gradio = os.getenv("HF_TOKEN")
-    if not token_gradio:
-        return "Error: Agrega el HF_TOKEN en Settings -> Secrets antes de presionar Submit."
-    
-    # Redirigimos la lógica interna de Gradio a la misma lógica de negocio de la función principal
-    try:
-        import asyncio
-        class FakePayload:
-            data = [real_b64, ref_b64]
-        res = asyncio.run(fusionar_cosplay(FakePayload()))
-        return str(res)
-    except Exception as err:
-        return f"Error en la prueba web: {str(err)}"
-
-# 3. Interfaz de Gradio (Obligatoria para la plataforma)
-with gr.Blocks() as demo:
-    gr.Markdown("# Cosplay API Bridge Active 🎭")
-    gr.Markdown("Este Space está corriendo un servidor FastAPI en segundo plano optimizado para peticiones desde Android.")
-    
-    with gr.Row(visible=False): # Dejamos la interfaz visual minimizada o para logs internos
-        txt_real = gr.Textbox(label="Real")
-        txt_ref = gr.Textbox(label="Ref")
-        btn_sub = gr.Button("Submit")
-        txt_out = gr.Textbox(label="Output")
-        btn_sub.click(fn=prueba_desde_interfaz_web, inputs=[txt_real, txt_ref], outputs=txt_out)
+# Creamos una interfaz nativa limpia. 
+# Esto le dice a Gradio 6 que cree automáticamente un endpoint HTTP POST estándar en /api/predict
+demo = gr.Interface(
+    fn=fusionar_cosplay,
+    inputs=[gr.Textbox(label="Imagen Real"), gr.Textbox(label="Imagen Referencia")],
+    outputs=gr.JSON(label="Resultado"),
+    api_name="predict"
+)
 
-# 4. Montamos la aplicación de FastAPI dentro de la instancia de Gradio 'demo'
-app = gr.mount_gradio_app(io_app, demo, path="/")
+# Arrancamos apagando el SSR experimental para evitar el proxy intermedio de Node.js
+if __name__ == "__main__":
+    demo.launch(ssr_mode=False)