app.py

import gradio as gr
from diffusers import StableDiffusionPipeline
import torch

## Cargar el modelo
model_id = "stablediffusionapi/epicrealism-natural-sin-r"  # Reemplazar con el ID de tu modelo en Hugging Face
#pipe = StableDiffusionPipeline.from_pretrained(model_id, torch_dtype=torch.float16, safety_checker=None)
pipe = StableDiffusionPipeline.from_pretrained(model_id, torch_dtype=torch.float32)
#pipe = pipe.to("cuda")  # Asegúrate de tener una GPU disponible o cambia esto a "cpu"
pipe = pipe.to("cpu")  # Asegúrate de tener una GPU disponible o cambia esto a "cpu"

def inferencia(prompt):
    # Realizar la inferencia
    imagen = pipe(prompt, num_inference_steps=64, guidance_scale=7, height=720, width=512).images[0]  # Modifica num_inference_steps según sea necesario
    
    # Convertir la imagen a un formato que Gradio pueda utilizar, si es necesario
    # Esto podría incluir convertir un tensor de PyTorch a una imagen PIL y luego a una matriz NumPy, por ejemplo
    
    return imagen

# Definir la interfaz Gradio
iface = gr.Interface(fn=inferencia, inputs="text", outputs="image")

if __name__ == "__main__":
    # Lanzar la interfaz en Hugging Face Spaces
    iface.launch()