Spaces:
Sleeping
Sleeping
File size: 3,115 Bytes
7e90676 6af34f3 7e90676 6af34f3 7e90676 6af34f3 7e90676 6af34f3 7e90676 6af34f3 7e90676 6af34f3 bc6f9ae 6af34f3 a12f055 6af34f3 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 |
import gradio as gr
import torch
from diffusers import StableDiffusionPipeline
import PIL
import io
# --- Configuration du modèle ---
MODEL_ID = "Dipl0/pepe-diffuser"
# Détection de l'appareil (GPU si disponible, sinon CPU)
device = "cuda" if torch.cuda.is_available() else "cpu"
# Chargement du pipeline Stable Diffusion
# Utilisation de torch_dtype=torch.float16 pour la VRAM si vous avez une carte GPU compatible
# Sinon, retirez-le ou changez-le pour torch.float32 pour le CPU ou les GPU moins performantes
try:
pipe = StableDiffusionPipeline.from_pretrained(MODEL_ID, torch_dtype=torch.float16)
pipe = pipe.to(device)
except Exception as e:
print(f"Avertissement : Chargement en float16 a échoué ({e}). Tentative en float32.")
pipe = StableDiffusionPipeline.from_pretrained(MODEL_ID, torch_dtype=torch.float32)
pipe = pipe.to(device)
# --- Fonction de génération d'image ---
def generate_image(prompt: str, negative_prompt: str, num_inference_steps: int, guidance_scale: float, seed: int) -> PIL.Image.Image:
"""
Génère une image à partir du prompt en utilisant le modèle Dipl0/pepe-diffuser.
"""
# Configuration du générateur pour la reproductibilité si un seed est fourni
generator = None
if seed > 0:
generator = torch.Generator(device=device).manual_seed(seed)
# Exécution du pipeline
image = pipe(
prompt=prompt,
negative_prompt=negative_prompt,
num_inference_steps=num_inference_steps,
guidance_scale=guidance_scale,
generator=generator,
).images[0]
return image
# --- Création de l'interface Gradio ---
# Définition des composants d'entrée
prompt_input = gr.Textbox(
label="Prompt (Description de l'image de Pepe)",
placeholder="pepe the frog smoking a cigar, digital art, high resolution",
lines=2
)
negative_prompt_input = gr.Textbox(
label="Negative Prompt (Ce que vous ne voulez PAS dans l'image)",
placeholder="blurry, low quality, deformed, text, watermark",
lines=2
)
steps_slider = gr.Slider(
minimum=1,
maximum=10,
step=5,
value=1,
label="Nombre d'étapes d'inférence (plus = meilleure qualité mais plus long)"
)
guidance_slider = gr.Slider(
minimum=1.0,
maximum=15.0,
step=0.5,
value=7.5,
label="Échelle de Guidance (plus = l'image suit plus le prompt)"
)
seed_input = gr.Number(
label="Seed (Graine) pour la reproductibilité (0 pour aléatoire)",
value=0,
minimum=0,
step=1
)
# Définition du composant de sortie
image_output = gr.Image(
label="Image Générée",
type="pil",
height=512,
width=512
)
# Création de l'interface complète
gr.Interface(
fn=generate_image,
inputs=[
prompt_input,
negative_prompt_input,
steps_slider,
guidance_slider,
seed_input
],
outputs=image_output,
title="🐸 Pepe Diffuser - Text-to-Image",
description=f"Générez des images personnalisées de Pepe la grenouille en utilisant le modèle Hugging Face **{MODEL_ID}**.",
allow_flagging="never",
).launch() |