File size: 3,210 Bytes
272e902 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 | import gradio as gr
import torch
from diffusers import StableDiffusionPipeline
import os # Pour gérer les variables d'environnement
# --- Configuration du modèle ---
# Choisissez un modèle Stable Diffusion.
# "runwayml/stable-diffusion-v1-5" est un bon point de départ.
# Pour des modèles plus petits et plus rapides, vous pourriez envisager "stabilityai/stable-diffusion-xl-base-1.0"
# (attention, XL est plus lourd) ou des versions optimisées.
MODEL_ID = "runwayml/stable-diffusion-v1-5" # Plus petit et plus rapide pour le Free Tier
# Vérifiez si CUDA est disponible (GPU) et utilisez-le si oui.
# Sinon, utilisez le CPU (ce sera beaucoup plus lent).
DEVICE = "cuda" if torch.cuda.is_available() else "cpu"
print(f"Chargement du modèle {MODEL_ID} sur {DEVICE}...")
# Charger le pipeline de Stable Diffusion.
# Utilisez torch_dtype=torch.float16 pour économiser de la mémoire GPU si disponible.
# Cela est crucial pour le free tier de Hugging Face Spaces.
pipe = StableDiffusionPipeline.from_pretrained(MODEL_ID, torch_dtype=torch.float16 if DEVICE == "cuda" else torch.float32)
pipe.to(DEVICE)
print("Modèle chargé.")
# --- Fonction de génération d'images ---
def generate_image(prompt, negative_prompt="", num_inference_steps=30, guidance_scale=7.5):
"""
Génère une image à partir d'un prompt texte.
"""
with torch.no_grad(): # Désactive le calcul des gradients pour l'inférence
image = pipe(
prompt,
negative_prompt=negative_prompt,
num_inference_steps=num_inference_steps,
guidance_scale=guidance_scale
).images[0]
return image
# --- Création de l'interface Gradio ---
print("Création de l'interface Gradio...")
iface = gr.Interface(
fn=generate_image,
inputs=[
gr.Textbox(label="Votre prompt (description de l'image)", placeholder="Un astronaute chevauchant un cheval sur Mars, style réaliste"),
gr.Textbox(label="Prompt négatif (éléments à éviter)", placeholder="mauvaise qualité, moche, flou"),
gr.Slider(minimum=10, maximum=100, step=1, value=30, label="Étapes d'inférence (qualité/temps)"),
gr.Slider(minimum=1.0, maximum=20.0, step=0.1, value=7.5, label="Échelle de guidance (fidélité au prompt)"),
],
outputs=gr.Image(type="pil", label="Image générée"),
title="Mon Fooocus Gratuit",
description="Générez des images étonnantes avec Stable Diffusion, hébergé gratuitement sur Hugging Face Spaces !",
article="""
<p>Cette application est une démo simplifiée de génération d'images, similaire à Fooocus, utilisant Hugging Face Diffusers et Gradio.</p>
<p>Elle est hébergée gratuitement sur Hugging Face Spaces. Les performances peuvent varier en fonction de la charge et du modèle choisi.</p>
"""
)
# Lancer l'interface Gradio
# Pour le développement local, vous pouvez utiliser share=True pour obtenir un lien public temporaire.
# Pour Hugging Face Spaces, vous n'avez pas besoin de share=True.
if __name__ == "__main__":
iface.launch(debug=True) # debug=True affichera plus d'informations utiles en cas de problème |