Update app.py

app.py

@@ -2,7 +2,7 @@ import gradio as gr
 from diffusers import StableDiffusionPipeline, StableDiffusionImg2ImgPipeline
 from diffusers import StableDiffusionInpaintPipeline
 import torch
-from PIL import Image, ImageDraw
+from PIL import Image, ImageDraw, ImageFont
 import time
 import os
 import tempfile
@@ -15,38 +15,41 @@ IMG_SIZE = 512
 
 print(f"Running on: {device}")
 
+# === TEXT INTEGRATION IMPORT ===
+from text_integration import (
+    add_text_to_image, 
+    set_text_position, 
+    create_text_integration_section_t2i,
+    create_text_integration_section_i2i
+)
+
 # === GESICHTSMASKEN-FUNKTIONEN ===
 def create_face_mask(image, bbox_coords, face_preserve):
     """Erzeugt eine Gesichtsmaske - WEIßE Bereiche werden VERÄNDERT, SCHWARZE BLEIBEN"""
-    mask = Image.new("L", image.size, 0)  # Start mit komplett schwarzer Maske (alles geschützt)
+    mask = Image.new("L", image.size, 0)
     
     if bbox_coords and all(coord is not None for coord in bbox_coords):
         x1, y1, x2, y2 = bbox_coords
         draw = ImageDraw.Draw(mask)
         
         if face_preserve:
-            # GESICHTSERHALTUNG: Maske um das Gesicht herum zeichnen
-            draw.rectangle([0, 0, image.size[0], image.size[1]], fill=255)  # Alles weiß = verändern
-            draw.rectangle([x1, y1, x2, y2], fill=0)  # Gesicht schwarz = geschützt (rechteckig)
-            print("Gesicht wird GESCHÜTZT - Umgebung wird verändert (rechteckige Maske)")
+            draw.rectangle([0, 0, image.size[0], image.size[1]], fill=255)
+            draw.rectangle([x1, y1, x2, y2], fill=0)
+            print("Gesicht wird GESCHÜTZT - Umgebung wird verändert")
         else:
-            # NUR GESICHT VERÄNDERN: Nur das Gesicht wird weiß (verändert)
-            draw.rectangle([x1, y1, x2, y2], fill=255)  # Gesicht weiß = verändern (rechteckig)
-            print("Nur Gesicht wird verändert - Umgebung bleibt erhalten (rechteckige Maske)")
+            draw.rectangle([x1, y1, x2, y2], fill=255)
+            print("Nur Gesicht wird verändert - Umgebung bleibt erhalten")
     
     return mask
 
 def auto_detect_face_area(image):
     """Optimierten Vorschlag für Gesichtsbereich ohne externe Bibliotheken"""
     width, height = image.size
-    # Größere Bounding Box für bessere Abdeckung (50% statt 40%)
     face_size = min(width, height) * 0.4
-    # Verschiebe y1 nach oben, um Stirn und Kinn besser abzudecken
     x1 = (width - face_size) / 2
-    y1 = (height - face_size) / 4  # Höher positioniert (25% statt 33%)
+    y1 = (height - face_size) / 4
     x2 = x1 + face_size
-    y2 = y1 + face_size * 1.2  # Leicht länglicher für ovale Gesichter
-    # Stelle sicher, dass Koordinaten innerhalb des Bildes liegen
+    y2 = y1 + face_size * 1.2
     x1, y1 = max(0, int(x1)), max(0, int(y1))
     x2, y2 = min(width, int(x2)), min(height, int(y2))
     print(f"Geschätzte Gesichtskoordinaten: [{x1}, {y1}, {x2}, {y2}]")
@@ -66,7 +69,6 @@ def load_txt2img():
             use_safetensors=True,
             safety_checker=None,
             requires_safety_checker=False,
-            #clean_up_tokenization_spaces=False #bei der neuen Version ändert sich die Architektur, Clip wird ersetzt/erweitert/integriert. Tokenizer nicht mehr nur auf englisch, kein 77-Token Limit!
         ).to(device)
         
         from diffusers import DPMSolverMultistepScheduler
@@ -81,18 +83,14 @@ def load_img2img():
         try:
             pipe_img2img = StableDiffusionInpaintPipeline.from_pretrained(
                 "runwayml/stable-diffusion-inpainting",
-                #"stabilityai/stable-diffusion-2-inpainting",  # Modell Download auf HF nicht immer möglich
                 torch_dtype=torch_dtype,
-                #use_safetensors=True,  # Erzwinge .safetensors
-                allow_pickle=False,    # Verhindere unsichere Serialisierung
+                allow_pickle=False,
                 safety_checker=None,
-                #clean_up_tokenization_spaces=False #benötigt neue Transformer-Version
             ).to(device)
         except Exception as e:
             print(f"Fehler beim Laden des Modells: {e}")
             raise
 
-        
         from diffusers import DPMSolverMultistepScheduler
         pipe_img2img.scheduler = DPMSolverMultistepScheduler.from_config(
             pipe_img2img.scheduler.config,
@@ -107,7 +105,7 @@ def load_img2img():
 
     return pipe_img2img
 
-# === NEUE CALLBACK-FUNKTIONEN FÜR FORTSCHRITT (kompatibel mit neuer API) ===
+# === CALLBACK-FUNKTIONEN ===
 class TextToImageProgressCallback:
     def __init__(self, progress, total_steps):
         self.progress = progress
@@ -115,7 +113,6 @@ class TextToImageProgressCallback:
         self.current_step = 0
     
     def __call__(self, pipe, step, timestep, callback_kwargs):
-        """Neue Callback-Signatur für diffusers >= 1.0.0"""
         self.current_step = step + 1
         progress_percent = (step / self.total_steps) * 100
         self.progress(progress_percent / 100, desc="Generierung läuft - CPU benötigt bis zu 20 Minuten!")
@@ -130,12 +127,9 @@ class ImageToImageProgressCallback:
         self.actual_total_steps = None
 
     def __call__(self, pipe, step, timestep, callback_kwargs):
-        """Neue Callback-Signatur für diffusers >= 1.0.0"""
         self.current_step = step + 1
     
-        # Korrekte Berechnung der tatsächlichen Steps
         if self.actual_total_steps is None:
-            # Bei Strength < 1.0 werden weniger Steps verwendet
             if self.strength < 1.0:
                 self.actual_total_steps = int(self.total_steps * self.strength)
             else:
@@ -147,47 +141,39 @@ class ImageToImageProgressCallback:
         self.progress(progress_percent / 100, desc="Generierung läuft - CPU benötigt bis zu 20 Minuten!")
         return callback_kwargs
 
-# === NEUE FUNKTIONEN FÜR DIE FEATURES ===
+# === VORSCHAU-FUNKTIONEN ===
 def create_preview_image(image, bbox_coords, face_preserve, mode_color):
     """Erstellt eine Vorschau mit farbigem Rahmen basierend auf dem Modus"""
     if image is None:
         return None
         
-    # Erstelle eine Kopie für die Vorschau
     preview = image.copy()
     draw = ImageDraw.Draw(preview)
     
-    # Rahmenfarbe basierend auf Modus
     if mode_color == "red":
-        border_color = (255, 0, 0, 180)  # Rot mit Transparenz
+        border_color = (255, 0, 0, 180)
         mode_text = "NUR BILDELEMENT VERÄNDERN"
     else:
-        border_color = (0, 255, 0, 180)  # Grün mit Transparenz
+        border_color = (0, 255, 0, 180)
         mode_text = "BILDELEMENT BEIBEHALTEN"
     
-    # Zeichne den Rahmen um das gesamte Bild
     border_width = 8
     draw.rectangle([0, 0, preview.width-1, preview.height-1], 
                   outline=border_color, width=border_width)
     
-    # Zeichne Bounding Box wenn Koordinaten vorhanden
     if bbox_coords and all(coord is not None for coord in bbox_coords):
         x1, y1, x2, y2 = bbox_coords
         
-        # Rahmen für Bounding Box
-        box_color = (255, 255, 0, 200)  # Gelb für Bounding Box
+        box_color = (255, 255, 0, 200)
         draw.rectangle([x1, y1, x2, y2], outline=box_color, width=3)
         
-        # Text-Label für den Modus
         text_color = (255, 255, 255)
         bg_color = (0, 0, 0, 160)
         
-        # Hintergrund für Text
         text_bbox = draw.textbbox((x1, y1 - 25), mode_text)
         draw.rectangle([text_bbox[0]-5, text_bbox[1]-2, text_bbox[2]+5, text_bbox[3]+2], 
                       fill=bg_color)
         
-        # Text zeichnen
         draw.text((x1, y1 - 25), mode_text, fill=text_color)
     
     return preview
@@ -198,8 +184,6 @@ def update_live_preview(image, bbox_x1, bbox_y1, bbox_x2, bbox_y2, face_preserve
         return None
     
     bbox_coords = [bbox_x1, bbox_y1, bbox_x2, bbox_y2]
-    
-    # Bestimme Rahmenfarbe basierend auf Modus
     mode_color = "green" if face_preserve else "red"
     
     return create_preview_image(image, bbox_coords, face_preserve, mode_color)
@@ -209,16 +193,13 @@ def process_image_upload(image):
     if image is None:
         return None, None, None, None, None
     
-    # Auto-Koordinaten generieren
     bbox = auto_detect_face_area(image)
     bbox_x1, bbox_y1, bbox_x2, bbox_y2 = bbox
-    
-    # Vorschau mit grünem Rahmen (Standard: Gesicht beibehalten)
     preview = create_preview_image(image, bbox, True, "green")
     
     return preview, bbox_x1, bbox_y1, bbox_x2, bbox_y2
 
-# === FUNKTIONEN ===
+# === HAUPTPROZESSE ===
 def text_to_image(prompt, steps, guidance_scale, progress=gr.Progress()):
     try:
         if not prompt or not prompt.strip():
@@ -227,17 +208,14 @@ def text_to_image(prompt, steps, guidance_scale, progress=gr.Progress()):
         print(f"Starting generation for: {prompt}")
         start_time = time.time()
         
-        # Statusmeldung anzeigen
         progress(0, desc="Generierung läuft - CPU benötigt bis zu 20 Minuten!")
         
         pipe = load_txt2img()
         
-        # ZUFÄLLIGER SEED für Variation
         seed = random.randint(0, 2**32 - 1)
         generator = torch.Generator(device=device).manual_seed(seed)
         print(f"Using seed: {seed}")
         
-        # NEUE Callback-Implementierung
         callback = TextToImageProgressCallback(progress, steps)
         
         image = pipe(
@@ -247,14 +225,13 @@ def text_to_image(prompt, steps, guidance_scale, progress=gr.Progress()):
             num_inference_steps=int(steps),
             guidance_scale=guidance_scale,
             generator=generator,
-            callback_on_step_end=callback,  # NEUE Parameter-Name
-            callback_on_step_end_tensor_inputs=[],  # Keine zusätzlichen Tensor-Inputs
+            callback_on_step_end=callback,
+            callback_on_step_end_tensor_inputs=[],
         ).images[0]
         
         end_time = time.time()
         print(f"Bild generiert in {end_time - start_time:.2f} Sekunden")
         
-        # Robuste Zwischenspeicherung
         return image
         
     except Exception as e:
@@ -269,33 +246,24 @@ def img_to_image(image, prompt, neg_prompt, strength, steps, guidance_scale, fac
             return None
 
         print(f"Img2Img Start → Strength: {strength}, Steps: {steps}, Guidance: {guidance_scale}")
-        print(f"Prompt: {prompt}")
-        print(f"Negativ-Prompt: {neg_prompt}")
-        print(f"Gesicht beibehalten: {face_preserve}")
         start_time = time.time()
 
-        # Statusmeldung anzeigen zur Zeitüberbrückung - Callback wird erst nach ersten Step aufgerufen!
         progress(0, desc="Generierung läuft - CPU benötigt bis zu 20 Minuten!")
 
         pipe = load_img2img()
         img_resized = image.convert("RGB").resize((IMG_SIZE, IMG_SIZE))
 
-        # --- PARAMETER-TUNING ---
-        adj_strength = min(0.85, strength * 1.3) #die optimierten Werte von GPT, Grok sind nicht optimal besser strength vergrößern!
+        adj_strength = min(0.85, strength * 1.3)
         adj_guidance = min(guidance_scale, 12.0)
     
-        
-        # ZUFÄLLIGER SEED für Variation
         seed = random.randint(0, 2**32 - 1)
         generator = torch.Generator(device=device).manual_seed(seed)
         print(f"Using seed: {seed}")
 
-        # --- GESICHTSMASKE ---
         mask = None
         bbox_coords = None
         
         if bbox_x1 is not None and bbox_y1 is not None and bbox_x2 is not None and bbox_y2 is not None:
-            # Skaliere Koordinaten auf die neue Bildgröße
             orig_width, orig_height = image.size
             scale_x = IMG_SIZE / orig_width
             scale_y = IMG_SIZE / orig_height
@@ -307,58 +275,25 @@ def img_to_image(image, prompt, neg_prompt, strength, steps, guidance_scale, fac
                 int(bbox_y2 * scale_y)
             ]
             bbox_coords = scaled_coords
-            print(f"Skalierte Koordinaten: {scaled_coords}")
 
-        # Maskenlogik basierend auf face_preserve
         if bbox_coords:
             mask = create_face_mask(img_resized, bbox_coords, face_preserve)
-            if mask:
-                print("Maske erfolgreich erstellt")
-        else:
-            print("Keine gültigen Koordinaten - keine Maske angewendet")
-            mask = None
-
-        # Detaillierte Debug-Informationen vor dem Pipeline-Aufruf
-        print(f"⚙️  PIPELINE-KONFIGURATION:")
-        print(f"   - Angefordert: {int(steps)} Steps")
-        print(f"   - Strength: {adj_strength:.3f}")
-        print(f"   - Scheduler: {pipe.scheduler.__class__.__name__}")
-
-        # Korrekte Berechnung der tatsächlichen Steps
-        actual_steps_from_strength = int(steps * adj_strength)
-        print(f"🎯 KORREKTE INTERNE STEP-AUSGABE: {int(steps)} Steps × Strength {adj_strength:.3f} = {actual_steps_from_strength} tatsächliche Schritte")
 
-        # NEUE Callback-Implementierung
         callback = ImageToImageProgressCallback(progress, int(steps), adj_strength)
 
-        # --- PIPELINE-AUFRUF MIT NEUER API ---
         result = pipe(
             prompt=prompt,
             negative_prompt=neg_prompt,
             image=img_resized,
-            mask_image=mask,  # None = gesamtes Bild verändern
+            mask_image=mask,
             strength=adj_strength,
             num_inference_steps=int(steps),
             guidance_scale=adj_guidance,
             generator=generator,
-            callback_on_step_end=callback,  # NEUE Parameter-Name
-            callback_on_step_end_tensor_inputs=[],  # Keine zusätzlichen Tensor-Inputs
+            callback_on_step_end=callback,
+            callback_on_step_end_tensor_inputs=[],
         )
 
-        # ZUSÄTZLICHE AUSGABE: Tatsächliche Steps vom Sceduler-Inpaint berechnet steps intern. Max_step ist aus UI-Übergabe. 
-        # Der Sceduler von Inpaint berechnet steps in Abhängigkeit von strength. Bei text_to_image kein Problem da andere Pipeline!
-        try:
-            scheduler = pipe.scheduler
-            print(f"🔧 SCHEDULER-INFO: {scheduler.__class__.__name__}")
-            print(f"📊 TATSÄCHLICHE STEP-KONFIGURATION: {int(steps)} Schritte mit Strength {adj_strength:.3f}")
-    
-            if hasattr(scheduler, 'timesteps'):
-                actual_steps = len(scheduler.timesteps)
-                print(f"🎯 BESTÄTIGTE INTERNE STEP-AUSGABE: Scheduler verwendete {actual_steps} tatsächliche Denoising-Schritte")
-        
-        except Exception as e:
-            print(f"⚠️  Konnte Scheduler-Info nicht auslesen: {e}")
-
         end_time = time.time()
         print(f"Bild transformiert in {end_time - start_time:.2f} Sekunden")
         
@@ -372,13 +307,18 @@ def img_to_image(image, prompt, neg_prompt, strength, steps, guidance_scale, fac
         traceback.print_exc()
         return None
 
-def update_bbox_from_image(image):
-    """Aktualisiert die Bounding-Box-Koordinaten wenn ein Bild hochgeladen wird"""
-    if image is None:
-        return None, None, None, None
+# === TEXT INTEGRATION HANDLER ===
+def handle_text_integration_i2i(original_image, generated_image, text, text_x, text_y, target_selector):
+    """Verwaltet Text-Integration für Bild-zu-Bild basierend auf Auswahl"""
+    if target_selector == "Originalbild":
+        target_image = original_image
+        output_component = original_image
+    else:  # "Generiertes Bild"
+        target_image = generated_image
+        output_component = generated_image
     
-    bbox = auto_detect_face_area(image)
-    return bbox[0], bbox[1], bbox[2], bbox[3]
+    result = add_text_to_image(target_image, text, text_x, text_y)
+    return result, output_component
 
 def main_ui():
     with gr.Blocks(
@@ -392,169 +332,51 @@ def main_ui():
             border-left: 4px solid #8B7355;
             margin: 20px 0;
         }
-        .clickable-file {
-           color: #1976d2;
-           cursor: pointer;
-           text-decoration: none;
-           font-family: 'Monaco', 'Consolas', monospace;
-           background: #e3f2fd;
-           padding: 2px 6px;
-           border-radius: 4px;
-           border: 1px solid #bbdefb;
-         }
-        .clickable-file:hover {
-           background: #bbdefb;
-           text-decoration: underline;
-         }
-        #start-button {
-            background-color: #0080FF !important;
-            border: none !important;
-            margin: 50px auto !important;
-            display: block !important;
-            font-weight: 600;
-            width: 280px;
-        }
-        #start-button:hover {
-            background-color: #D3D3D3 !important;
-        }
-        .hint-box {
-            margin-top: 20px;
-        }
-        .custom-text {
-            font-size: 25px !important;
-        }
-        .image-upload .svelte-1p4f8co {
-            display: block !important;
-        }
-        .preview-box {
-            border: 2px dashed #ccc;
-            padding: 10px;
-            border-radius: 8px;
-            margin: 10px 0;
-        }
-        .mode-red {
-            border: 3px solid #ff4444 !important;
-        }
-        .mode-green {
-            border: 3px solid #44ff44 !important;
-        }
-        .coordinate-sliders {
-            background: #f8f9fa;
+        .text-integration-section {
+            background: #e8f5e8;
             padding: 15px;
             border-radius: 8px;
-            margin: 10px 0;
+            margin: 15px 0;
+            border-left: 4px solid #4caf50;
         }
         """
     ) as demo:
 
-        # --- Info-Bereich (Startseite) ---
-        gr.Markdown(
-            """
-            # Demo-Projekt: Stable Diffusion Text-to-Image / Image-to-Image
-            <br>
-            
-            <div class="info-box">
-            Dieses Projekt ist ein kleines <strong>Demo</strong> um meine Fähigkeiten als <strong>AI-Engineer</strong>
-            in technischer Kompetenz und selbstständiger Projektstrukturierung zu zeigen.<br>
-            Der Fokus liegt auf <strong>Struktur, Konzept und technischer Umsetzung</strong>
-            im Bereich Text-to-Image / Image-to-Image mit dem Diffusionsmodell "Stable Diffusion" <br>
-            <strong>nicht</strong> auf einer vollständigen Produktionsversion.
-            </div>
-            <br>
-           
-            <div class="info-box">
-            Zudem führt der Link
-            <a class="clickable-file" href="https://huggingface.co/spaces/Astridkraft/Dokumentation" target="_blank">Roadmap</a>
-            zu einer <strong>durchdachten, skalierbaren, professionellen Code-Architektur</strong> für Text-to-Image- und Image-to-Image-Entwicklung <br>
-            die die <strong>gesamte Komplexität einer professionellen Umsetzung</strong> verdeutlicht.<br><br>     
-            Die damit gezeigten Fähigkeiten meinerseits sind <strong>sicherlich auf andere Projekte übertragbar</strong>.
-            </div>         
-            <br><br>
-            
-            <div class="info-box">
-            <strong>Hinweis:</strong><br>
-            Die Anwendung läuft derzeit auf <strong>CPU</strong> ist jedoch <strong>vollständig GPU-fähig </strong>.
-            Deshalb muss bei jeder Generierung eine <strong>längere Wartezeit</strong> eingeplant werden.<br>
-            Bei <strong>Verbindungsabbrüchen</strong> -insbesondere bei CPU-Nutzung- wird die aktuelle Generierung zunächst serverseitig vollständig abgeschlossen, <br>
-            bevor neue Anfragen bearbeitet werden. Das generierte Bild wird in diesem Fall <strong>nicht angezeigt</strong>. 
-            Die Meldung <strong>Connection re-established</strong> signalisiert, dass <br>
-            die Verbindung wiederhergestellt wurde, die laufende Verarbeitung jedoch priorisiert wird. In der Konsequenz werden neue <br>
-            Generierungsanfragen in eine Warteschlange gestellt und erst nach vollständigem Abschluss der aktuellen serverseitigen Berechnung verarbeitet.
-            </div>
-             <br>
-             
-            <div class="info-box">
-            <strong>Technischer Hintergrund:</strong> <br>
-            Es handelt sich um einen bekannten <strong>Gradio-Bug</strong> - das Framework bietet keine Möglichkeit, generierte Bilder zwischenzuspeichern <br>
-            um sie bei UI-Neuladung aus dem Zwischenspeicher zurückzugeben. Dies macht sich <strong>besonders bei CPU-Nutzung bemerkbar</strong>, <br>
-            da die Transformationszeiten hier deutlich länger sind und es dadurch vermehrt zu Timeouts und daraus resultierenden UI-Abbrüchen kommen kann.<br>
-            Aus diesem Grund kann das Ergebnis nicht an die neu geladene Benutzeroberfläche übermittelt werden obwohl die Bildgenerierung serverseitig <br>
-            vollständig abgeschlossen wird.
-            </div>
-            <br>
-
-            <div class="info-box">
-            <strong>Anwendungsbereich:</strong><br>
-            Die <strong>Bild-zu-Bild-Funktion</strong> ermöglicht eine gezielte Bearbeitung eines <strong>beliebigen Objektes oder Bereiches</strong> in einem Bild.<br>
-            Sie unterstützt zwei Modi:<br>
-            &nbsp;&nbsp;• <strong>Beibehaltung eines ausgewählten Bildbereiches innerhalb eines Rechtecks</strong> (z. B. Gesicht, Objekt, Tier, Gegenstand) bei Veränderung des Rests,<br>
-            &nbsp;&nbsp;• oder <strong>Veränderung des rechteckigen Bildbereiches</strong> bei Erhaltung der Umgebung.<br>
-            <br>
-            <strong>Wichtig:</strong> Das Objekt das beibehalten oder verändert werden soll - je nach gewähltem Modus - muss <strong>im Prompt</strong> klar beschrieben werden.<br>
-            Die Verwendung eines <strong>Negativ-Promptes</strong> ist sinnvoll, um unerwünschte Veränderungen zu vermeiden.
-            </div>
-            <br>
-            
-            <div class="info-box">
-            <strong>Empfehlung:</strong><br>
-            Für eine präzise Abstimmung der zentralen Parameter – Prompt, Negativ-Prompt, Veränderungsstärke (Strength), Inferenz-Schritte (Steps) <br>
-            und Prompt-Stärke (Guidance) – liefern leistungsfähige Sprachmodelle wie GPT, Grok oder DeepSeek hochqualitative, kontextbezogene Vorschläge.<br>
-            Prompt und Negativ-Prompt sollten auf <strong>Englisch</strong> eingegeben werden, da "Stable Diffusion" mit Bild-Text-Paaren auf Englisch trainiert <br>
-            wurde und CLIP einen Tokenizer für ein englisches Vokabular nutzt. Der CLIP-Tokenizer hat außerdem ein <strong>Limit von 77 Token</strong>, wodurch längere <br>
-            Prompteingaben automatisch abgeschnitten werden. Deutsche Wörter werden zwar übersetzt, führen aber zu Verzerrungen.
-            </div>
-            """
-        )
-
-        # --- Button zentriert im unteren Drittel, Taupe-Farbe ---
+        # --- Info-Bereich ---
+        gr.Markdown("# AI Image Generator")
+        
         with gr.Row():
-            with gr.Column(scale=1):  # Linker Leerraum
+            with gr.Column(scale=1):
                 pass
-            with gr.Column(scale=1, min_width=300):  # Mittig, feste Mindestbreite
-                start_btn = gr.Button(
-                    "Weiter zur Anwendung",
-                    variant="primary",
-                    size="lg",
-                    elem_id="start-button"
-                )
-            with gr.Column(scale=1):  # Rechter Leerraum
+            with gr.Column(scale=1, min_width=300):
+                start_btn = gr.Button("Weiter zur Anwendung", variant="primary", size="lg")
+            with gr.Column(scale=1):
                 pass
 
-        # --- Hauptanwendungsbereich (zunächst versteckt) ---
+        # --- Hauptanwendungsbereich ---
         with gr.Column(visible=False) as content_area:
+            
+            # === TAB: TEXT ZU BILD ===
             with gr.Tab("Text zu Bild"):
-                gr.Markdown("**Beschreibe dein gewünschtes Bild (maximal 77 Token):**")
+                gr.Markdown("**Beschreibe dein gewünschtes Bild:**")
                 
                 with gr.Row():
                     txt_input = gr.Textbox(
-                        placeholder="z.B. ultra realistic mountain landscape at sunrise, soft mist over the valley, detailed foliage, crisp textures, depth of field, sunlight rays through clouds, shot on medium format camera, 8k, HDR, hyper-detailed, natural lighting, masterpiece, Eingabe unten:(Schritt Inferenz:35, Prompt-Stärke:9)",
+                        placeholder="z.B. ultra realistic mountain landscape at sunrise...",
                         lines=2,
-                        label="Prompt (Englisch)",
-                        info="Beschreibe detailliert, was du sehen möchtest. Verwende Kommas zur Trennung."
+                        label="Prompt (Englisch)"
                     )
                 
                 with gr.Row():
                     with gr.Column():
                         txt_steps = gr.Slider(
                             minimum=10, maximum=100, value=35, step=1,
-                            label="Inferenz-Schritte",
-                            info="Mehr Schritte = bessere Qualität, aber langsamer (20-50 empfohlen)"
+                            label="Inferenz-Schritte"
                         )
                     with gr.Column():
                         txt_guidance = gr.Slider(
                             minimum=1.0, maximum=20.0, value=7.5, step=0.5,
-                            label="Prompt-Stärke",
-                            info="Wie stark der Prompt befolgt wird (7-12 für gute Balance)"
+                            label="Prompt-Stärke"
                         )
                 
                 generate_btn = gr.Button("Bild generieren", variant="primary")
@@ -564,121 +386,96 @@ def main_ui():
                     type="pil"
                 )
                 
+                # TEXT INTEGRATION FÜR TEXT-zu-BILD
+                text_input_t2i, text_x_t2i, text_y_t2i, text_btn_t2i = create_text_integration_section_t2i()
+                
+                # VORSCHAU FÜR TEXT POSITION
+                preview_t2i = gr.Image(
+                    label="Vorschau für Textposition (Klicken/Tippen um Position zu wählen)",
+                    interactive=True,
+                    show_download_button=False,
+                    type="pil"
+                )
+                
+                # EVENT-HANDLER TEXT-zu-BILD
                 generate_btn.click(
                     fn=text_to_image,
                     inputs=[txt_input, txt_steps, txt_guidance],
-                    outputs=txt_output,
+                    outputs=[txt_output, preview_t2i],
                     concurrency_limit=1
                 )
+                
+                preview_t2i.select(
+                    fn=set_text_position,
+                    outputs=[text_x_t2i, text_y_t2i]
+                )
+                
+                text_btn_t2i.click(
+                    fn=add_text_to_image,
+                    inputs=[txt_output, text_input_t2i, text_x_t2i, text_y_t2i],
+                    outputs=txt_output
+                )
 
+            # === TAB: BILD ZU BILD ===
             with gr.Tab("Bild zu Bild"):
                 gr.Markdown("**Lade ein Bild hoch und beschreibe die gewünschte Veränderung:**")
                 
-                # NEUE ANORDNUNG: Eingabebild und Live-Vorschau nebeneinander
                 with gr.Row():
                     with gr.Column():
                         img_input = gr.Image(
                             type="pil", 
                             label="Eingabebild",
                             height=300,
-                            sources=["upload"],
-                            elem_id="image-upload"
+                            sources=["upload"]
                         )
                     with gr.Column():
                         preview_output = gr.Image(
-                            label="Live-Vorschau mit Maske",
+                            label="Live-Vorschau mit Maske (Klicken/Tippen für Textposition)",
                             height=300,
-                            interactive=False,
+                            interactive=True,
                             show_download_button=False
                         )
                 
-                # DARUNTER: Checkbox Gesicht/Person oder Umgebung ändern
                 with gr.Row():
                     face_preserve = gr.Checkbox(
                         label="Schutz", 
                         value=True,
-                        info="🟢 Checkbox AN: Alles AUSSERHALB des gelben Rahmens verändern| 🔴 Checkbox AUS: Nur INNERHALB des gelben Rahmens verändern"
+                        info="🟢 AN: Umgebung verändern | 🔴 AUS: Objekt verändern"
                     )
                 
-                # DARUNTER: Bildelementbereich anpassen
-                with gr.Row():
-                    gr.Markdown("**Bildelementbereich anpassen**")
-                
                 with gr.Row():
                     with gr.Column():
-                        bbox_x1 = gr.Slider(
-                            label="Links (x1)", 
-                            minimum=0, maximum=512, value=100, step=1,
-                            info="Linke Kante des Bildelementbereichs"
-                        )
+                        bbox_x1 = gr.Slider(label="Links (x1)", minimum=0, maximum=512, value=100, step=1)
                     with gr.Column():
-                        bbox_y1 = gr.Slider(
-                            label="Oben (y1)", 
-                            minimum=0, maximum=512, value=100, step=1,
-                            info="Obere Kante des Bildelementbereichs"
-                        )
+                        bbox_y1 = gr.Slider(label="Oben (y1)", minimum=0, maximum=512, value=100, step=1)
                 with gr.Row():
                     with gr.Column():
-                        bbox_x2 = gr.Slider(
-                            label="Rechts (x2)", 
-                            minimum=0, maximum=512, value=300, step=1,
-                            info="Rechte Kante des Bildelementbereichs"
-                        )
+                        bbox_x2 = gr.Slider(label="Rechts (x2)", minimum=0, maximum=512, value=300, step=1)
                     with gr.Column():
-                        bbox_y2 = gr.Slider(
-                            label="Unten (y2)", 
-                            minimum=0, maximum=512, value=300, step=1,
-                            info="Untere Kante des Bildelementbereichs"
-                        )
+                        bbox_y2 = gr.Slider(label="Unten (y2)", minimum=0, maximum=512, value=300, step=1)
                 
-                # DARUNTER: Prompt und Negativ-Prompt
                 with gr.Row():
                     with gr.Column():
                         img_prompt = gr.Textbox(
-                            placeholder="change background to beach with palm trees, keep person unchanged, sunny day",
+                            placeholder="change background to beach with palm trees...",
                             lines=2,
-                            label="Transformations-Prompt (Englisch - maximal 77 Token)",
-                            info="Was soll verändert werden? Sei spezifisch."
+                            label="Transformations-Prompt"
                         )
                     with gr.Column():
                         img_neg_prompt = gr.Textbox(
-                            placeholder="blurry, deformed, ugly, bad anatomy, extra limbs, poorly drawn hands",
+                            placeholder="blurry, deformed, ugly...",
                             lines=2,
-                            label="Negativ-Prompt (Englisch - maximal 77 Token)",
-                            info="Was soll vermieden werden? Unerwünschte Elemente auflisten."
+                            label="Negativ-Prompt"
                         )
                 
-                # DARUNTER: Veränderungsstärke, Inferenzschritte, Promptstärke
                 with gr.Row():
                     with gr.Column():
-                        strength_slider = gr.Slider(
-                            minimum=0.1, maximum=0.9, value=0.4, step=0.05,
-                            label="Veränderungs-Stärke",
-                            info="0.1-0.3: Leichte Anpassungen, 0.4-0.6: Mittlere Veränderungen, 0.7-0.9: Starke Umgestaltung"
-                        )
+                        strength_slider = gr.Slider(minimum=0.1, maximum=0.9, value=0.4, step=0.05, label="Veränderungs-Stärke")
                     with gr.Column():
-                        img_steps = gr.Slider(
-                            minimum=10, maximum=100, value=35, step=1,
-                            label="Inferenz-Schritte",
-                            info="Anzahl der Verarbeitungsschritte (25-45 für gute Ergebnisse)"
-                        )
+                        img_steps = gr.Slider(minimum=10, maximum=100, value=35, step=1, label="Inferenz-Schritte")
                     with gr.Column():
-                        img_guidance = gr.Slider(
-                            minimum=1.0, maximum=20.0, value=7.5, step=0.5,
-                            label="Prompt-Stärke",
-                            info="Einfluss des Prompts auf das Ergebnis (6-10 für natürliche Ergebnisse)"
-                        )
-
-                with gr.Row():
-                   gr.Markdown(
-                     "**Achtung:**\n"
-                     "• **🆕 Automatische Bildelementerkennung** setzt Koordinaten beim Upload\n"  
-                     "• **🆕 Live-Vorschau** zeigt farbige Rahmen je nach Modus (🔴 Rot / 🟢 Grün)\n"
-                     "• **🆕 Koordinaten-Schieberegler** für präzise Anpassung mit Live-Update\n"
-                     "• **Koordinaten nur bei erkennbaren Verzerrungen anpassen** (Bereiche leicht verschieben)"
-                    )
+                        img_guidance = gr.Slider(minimum=1.0, maximum=20.0, value=7.5, step=0.5, label="Prompt-Stärke")
                 
-                          
                 transform_btn = gr.Button("Bild transformieren", variant="primary")
                 
                 with gr.Row():
@@ -688,49 +485,36 @@ def main_ui():
                         type="pil"
                     )
                 
-                # NEUE: Event-Handler für alle Live-Updates
-                # Bild-Upload: Auto-Koordinaten + Vorschau
+                # TEXT INTEGRATION FÜR BILD-zu-BILD
+                text_input_i2i, text_x_i2i, text_y_i2i, target_selector, text_btn_i2i = create_text_integration_section_i2i()
+                
+                # EVENT-HANDLER BILD-zu-BILD
                 img_input.change(
                     fn=process_image_upload,
                     inputs=[img_input],
                     outputs=[preview_output, bbox_x1, bbox_y1, bbox_x2, bbox_y2]
                 )
                 
-                # Live-Updates bei Koordinaten-Änderungen
                 coordinate_inputs = [img_input, bbox_x1, bbox_y1, bbox_x2, bbox_y2, face_preserve]
                 
-                bbox_x1.change(
-                    fn=update_live_preview,
-                    inputs=coordinate_inputs,
-                    outputs=preview_output
-                )
-                
-                bbox_y1.change(
-                    fn=update_live_preview,
-                    inputs=coordinate_inputs,
-                    outputs=preview_output
-                )
-                
-                bbox_x2.change(
-                    fn=update_live_preview,
-                    inputs=coordinate_inputs,
-                    outputs=preview_output
-                )
+                for coord in [bbox_x1, bbox_y1, bbox_x2, bbox_y2]:
+                    coord.change(
+                        fn=update_live_preview,
+                        inputs=coordinate_inputs,
+                        outputs=preview_output
+                    )
                 
-                bbox_y2.change(
+                face_preserve.change(
                     fn=update_live_preview,
                     inputs=coordinate_inputs,
                     outputs=preview_output
                 )
                 
-                # Live-Update bei Modus-Änderung
-                face_preserve.change(
-                    fn=update_live_preview,
-                    inputs=coordinate_inputs,
-                    outputs=preview_output
+                preview_output.select(
+                    fn=set_text_position,
+                    outputs=[text_x_i2i, text_y_i2i]
                 )
                 
-                # Transform-Button (UNVERÄNDERT - gibt OUTPUT zurück)
                 transform_btn.click(
                     fn=img_to_image,
                     inputs=[
@@ -741,14 +525,16 @@ def main_ui():
                     outputs=img_output,
                     concurrency_limit=1
                 )
+                
+                text_btn_i2i.click(
+                    fn=handle_text_integration_i2i,
+                    inputs=[img_input, img_output, text_input_i2i, text_x_i2i, text_y_i2i, target_selector],
+                    outputs=[img_input, img_output]
+                )
 
-        # Sammle alle Info-Komponenten, die versteckt werden sollen
-        info_components = []
-        for child in demo.children:
-            if child != content_area:
-                info_components.append(child)
-
-        # Event-Handler für Start-Button
+        # === START-BUTTON HANDLER ===
+        info_components = [child for child in demo.children if child != content_area]
+        
         start_btn.click(
             fn=lambda: gr.update(visible=True),
             inputs=None,
@@ -761,7 +547,6 @@ def main_ui():
 
     return demo
 
-
 if __name__ == "__main__":
     demo = main_ui()
     demo.queue()