Update app.py

app.py

@@ -674,6 +674,101 @@ def update_slider_for_image(image):
         gr.update(maximum=max_height)
     )
 
+
+
+def text_to_image(prompt, model_id, steps, guidance_scale, progress=gr.Progress()):
+    try:
+        if not prompt or not prompt.strip():
+            return None, "Bitte einen Prompt eingeben"
+            
+        print(f"🚀 Starte Generierung mit Modell: {model_id}")
+        print(f"📝 Prompt: {prompt}")
+        
+        # Automatische negative Prompts generieren
+        auto_negatives = auto_negative_prompt(prompt)
+        print(f"🤖 Automatisch generierte Negative Prompts: {auto_negatives}")
+        
+        start_time = time.time()
+        
+
+        # Liste von Qualitätswörtern/Gewichten, die auf Benutzereingaben prüfen
+        quality_keywords = ['masterpiece', 'best quality', 'high quality', 'highly detailed', 
+                           'exquisite', 'ultra detailed', 'professional', 
+                           'perfect', 'excellent', 'amazing', 'stunning', 'beautiful']
+        
+        # Prüfe, ob der Benutzer bereits Qualitätswörter/Gewichte verwendet hat
+        user_has_quality_words = False
+        
+        # Konvertiere Prompt zu Kleinbuchstaben für die Prüfung
+        prompt_lower = prompt.lower()
+        
+        # Prüfe auf einfache Qualitätswörter
+        for keyword in quality_keywords:
+            if keyword in prompt_lower:
+                user_has_quality_words = True
+                print(f"✓ Benutzer verwendet bereits Qualitätswort: {keyword}")
+                break
+        
+        # Prüfe auf Gewichte (z.B. (word:1.5), [word], etc.)
+        weight_patterns = [r'\([^)]+:\d+(\.\d+)?\)', r'\[[^\]]+\]']
+        for pattern in weight_patterns:
+            if re.search(pattern, prompt):
+                user_has_quality_words = True
+                print("✓ Benutzer verwendet bereits Gewichte im Prompt")
+                break
+        
+        # Prompt basierend auf Prüfung anpassen
+        if not user_has_quality_words:
+            enhanced_prompt = f"masterpiece, best quality, {prompt}"
+            print(f"🔄 Verbesserter Prompt: {enhanced_prompt}")
+        else:
+            enhanced_prompt = prompt
+            print("✓ Benutzerprompt wird unverändert verwendet")
+        
+        print(f"Finaler Prompt für Generation: {enhanced_prompt}")
+
+        
+        
+        progress(0, desc="Lade Modell...")
+        pipe = load_txt2img(model_id)
+        
+        seed = random.randint(0, 2**32 - 1)
+        generator = torch.Generator(device=device).manual_seed(seed)
+        print(f"🌱 Seed: {seed}")
+        
+        callback = TextToImageProgressCallback(progress, steps)
+        
+        print(f"⚙️ Einstellungen: Steps={steps}, CFG={guidance_scale}")
+        
+        image = pipe(
+            prompt=enhanced_prompt,
+            negative_prompt=auto_negatives,
+            height=512,
+            width=512,
+            num_inference_steps=int(steps),
+            guidance_scale=guidance_scale,
+            generator=generator,
+            callback_on_step_end=callback,
+            callback_on_step_end_tensor_inputs=[],
+        ).images[0]
+        
+        end_time = time.time()
+        duration = end_time - start_time
+        print(f"✅ Bild generiert in {duration:.2f} Sekunden")
+        
+        config = MODEL_CONFIGS.get(model_id, MODEL_CONFIGS["runwayml/stable-diffusion-v1-5"])
+        status_msg = f"✅ Generiert mit {config['name']} in {duration:.1f}s"
+        
+        return image, status_msg
+        
+    except Exception as e:
+        error_msg = f"❌ Fehler: {str(e)}"
+        print(f"❌ Fehler in text_to_image: {e}")
+        import traceback
+        traceback.print_exc()
+        return None, error_msg
+
+
 # === KORRIGIERTE HAUPTFUNKTION MIT RICHTIGEM COMPOSITING ===
 def img_to_image(image, prompt, neg_prompt, strength, steps, guidance_scale,
                  mode, bbox_x1, bbox_y1, bbox_x2, bbox_y2,