import gradio as gr import spaces import numpy as np import random import torch from diffusers import StableDiffusion3Pipeline, SD3Transformer2DModel, FlowMatchEulerDiscreteScheduler from PIL import Image import tempfile import os device = "cuda" if torch.cuda.is_available() else "cpu" dtype = torch.float16 repo = "stabilityai/stable-diffusion-3-medium-diffusers" pipe = StableDiffusion3Pipeline.from_pretrained(repo, torch_dtype=torch.float16).to(device) MAX_SEED = np.iinfo(np.int32).max MAX_IMAGE_SIZE = 1344 @spaces.GPU(enable_queue=True) def infer(prompt, negative_prompt, seed, randomize_seed, width, height, guidance_scale, num_inference_steps, progress=gr.Progress(track_tqdm=True)): if randomize_seed: seed = random.randint(0, MAX_SEED) generator = torch.Generator().manual_seed(seed) image = pipe( prompt = prompt, negative_prompt = negative_prompt, guidance_scale = guidance_scale, num_inference_steps = num_inference_steps, width = width, height = height, generator = generator ).images[0] # Save the image as a PNG temp_dir = tempfile.gettempdir() image_path = os.path.join(temp_dir, f"generino_{prompt}_{negative_prompt}_{guidance_scale}_{num_inference_steps}_{seed}.png") image.save(image_path, format="PNG") # Return the file path and seed return image_path, seed examples = [ # Each sublist corresponds to a full set of inputs [ "Auto da corsa rossa", "", 0, True, 1024, 1024, 5, 28 ], [ "Yellow bus on a snowy mountain road ", "", 1829215614, False, 1024, 1024, 10, 28 ], [ "Moto adventure su una strada asfaltata in un tornante sulle montagne svizzere innevate", "", 0, True, 1024, 576, 7, 40 ], [ "Banana held by a piece of grey tape on a white wall", "", 0, True, 1024, 1024, 10, 1 ], [ "Banana held by a piece of grey tape on a white wall", "", 0, True, 1024, 1024, 10, 10 ], [ "Singolo edificio rosso in una città industriale durante una giornata di sole vicino a una stazione ferroviaria, montagne innevate sullo sfondo, vista dall'alto", # Prompt "alberi, pianura, cavalcavia, scritte", # Negative prompt 1451877351, # Seed False, # Random seed 1024, # Width 576, # Height 10, # Guidance scale 40 # Number of inference steps ] ] css=""" .gradio-container{ width: 80vw !important; } #body { gap: 20px; } #title { margin-top: 3vh; } #promptLine { display: flex; align-items: stretch; gap: 0; } #prompt { border-radius: 5px 0 0 0; min-height: 50px; background-color: var(--input-background-fill); } #genBtn { border-radius: 0 5px 0 0; min-height: 50px; } #genImage { border-radius: 0px 0px 5px 5px; margin-top: -20px; max-height: 30vh; } .image-container { max-height: 30vh; } img { max-height: 30vh; object-fit: contain; } .gallery-item { width: 100%; } @media (max-width: 1000px) { #title { margin-top: 0vh; } #prompt { border-radius: 5px 5px 0px; min-height: 30px; } #genBtn { border-radius: 0px; min-height: 30px; } } """ with gr.Blocks(css=css, theme="bethecloud/storj_theme") as generino: with gr.Column(elem_id="body"): gr.Markdown("# Generino – generatore di immagini da testo", elem_id="title") with gr.Row(elem_id="promptLine"): prompt = gr.Text( label="Prompt", show_label=False, placeholder="Scrivi il prompt", container=False, elem_id="prompt", scale=2 ) run_button = gr.Button("Genera l'immagine", elem_id="genBtn", scale=1) result = gr.Image(label="Result", show_label=False, elem_id="genImage", type="filepath") with gr.Accordion("Impostazioni avanzate", open=False): negative_prompt = gr.Text( label="Prompt negativo", max_lines=1, placeholder="Inserisci il prompt negativo", ) seed = gr.Slider( label="Seed", minimum=0, maximum=MAX_SEED, step=1, value=0, ) randomize_seed = gr.Checkbox(label="Random seed", value=True) with gr.Row(): width = gr.Slider( label="Larghezza (in px)", minimum=256, maximum=MAX_IMAGE_SIZE, step=64, value=1024, ) height = gr.Slider( label="Altezza (in px)", minimum=256, maximum=MAX_IMAGE_SIZE, step=64, value=576, ) with gr.Row(): guidance_scale = gr.Slider( label="Guidance scale", minimum=0.0, maximum=20.0, step=1, value=5.0, ) num_inference_steps = gr.Slider( label="Inference steps", minimum=1, maximum=50, step=1, value=28, ) gr.Examples( examples = examples, inputs=[prompt, negative_prompt, seed, randomize_seed, width, height, guidance_scale, num_inference_steps] ) with gr.Accordion("Informazioni sul tool", open=False): gr.Markdown(""" ### Modello Il generatore di immagini Generino è stato sviluppato a partire dal modello rilasciato da Stability AI: [stable diffusion 3 medium](https://huggingface.co/stabilityai/stable-diffusion-3-medium-diffusers) – rilasciato al pubblico in modalità open source. ### Licenza di utilizzo delle immagini generate Come si può leggere dalla scheda del modello, le immagini generate possono essere utilizzate secondo la licenza [Stability AI Non-Commercial Research Community License](https://huggingface.co/stabilityai/stable-diffusion-3-medium/blob/main/LICENSE) che prevede un utilizzo gratuito per scopi non commerciali come la ricerca accademica. Per scopi commerciali il modello deve essere utilizzato sotto una licenza Creator, maggiori informazioni sono disponibili al seguente link: https://stability.ai/license. ### Limiti Come dichiarato da stability AI il modello non è stato allenato per generare contenuti reali che ritraggono persone o eventi. Per questo il modello può essere limitato in questi casi. ### Disclaimer Lo sviluppatore del sistema non si assume la responsabilità delle immagini generate dall'utente e dal modello. Se ci fossero dei problemi durante la generazione di immagini, quali contenuti sensibili o che possono urtare la sensibilità riportare al seguente indirizzo email safety@stability.ai L'utente che utilizza Generino si assume le responsabilità di utilizzo, secondo licenza, delle immagini generate. """) gr.on( triggers=[run_button.click, prompt.submit, negative_prompt.submit], fn=infer, inputs=[prompt, negative_prompt, seed, randomize_seed, width, height, guidance_scale, num_inference_steps], outputs=[result, seed], ) generino.queue(max_size=10).launch(show_api=False)