Spaces:

soltek
/

eva3.0

Runtime error

eva3.0 / app.py

Upload 3 files

272e902 verified over 1 year ago

3.21 kB

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

	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