Update app.py

app.py

@@ -3,11 +3,18 @@ from fastapi.responses import StreamingResponse
 from PIL import Image
 import torch
 from io import BytesIO
-import gradio as gr
+import requests
 import logging
 
 # تنظیم لاگ‌گیری
-logging.basicConfig(level=logging.INFO)
+logging.basicConfig(
+    format='%(asctime)s - %(name)s - %(levelname)s - %(message)s',
+    level=logging.INFO,
+    handlers=[
+        logging.StreamHandler(),  # نمایش لاگ در کنسول
+        logging.FileHandler("app.log")  # ذخیره لاگ در فایل
+    ]
+)
 logger = logging.getLogger(__name__)
 
 app = FastAPI()
@@ -40,18 +47,14 @@ def animegan2_transform(input_img, style_name):
             raise ValueError("فرمت تصویر ورودی صحیح نیست!")
         
         # تغییر رزولوشن
-        input_img = input_img.resize((460, 460))
-        
-        # بارگذاری مدل
+        input_img = input_img.resize((256, 256))  # رزولوشن کمتر برای تست سریع‌تر
         model = load_model(style_name)
         face2paint_func = torch.hub.load(
             "bryandlee/animegan2-pytorch:main",
             "face2paint",
-            size=1024,
+            size=512,  # رزولوشن کمتر برای تست
             verbose=False
         )
-        
-        # اجرای مدل
         output_img = face2paint_func(model, input_img)
         logger.info("Image processed successfully")
         return output_img
@@ -61,34 +64,31 @@ def animegan2_transform(input_img, style_name):
 
 # Endpoint برای API
 @app.post("/transform")
-async def transform_image(file: UploadFile = File(...), style: str = Form(default="face_paint_512_v2")):
+async def transform_image(file: UploadFile = File(None), style: str = Form(default="face_paint_512_v2"), url: str = Form(None)):
     try:
-        logger.info(f"Received image with style: {style}")
-        image = Image.open(file.file).convert("RGB")
+        logger.info(f"Received request with style: {style}")
+        if file:
+            image = Image.open(file.file).convert("RGB")
+        elif url:
+            image = Image.open(BytesIO(requests.get(url).content)).convert("RGB")
+        else:
+            logger.error("No file or URL provided")
+            return {"error": "لطفاً تصویر یا URL ارائه دهید"}
+        
         output_img = animegan2_transform(image, style)
         output_buffer = BytesIO()
         output_img.save(output_buffer, format="PNG")
         output_buffer.seek(0)
+        logger.info("Returning processed image")
         return StreamingResponse(output_buffer, media_type="image/png")
     except Exception as e:
         logger.error(f"API error: {str(e)}")
         return {"error": str(e)}
 
-# رابط Gradio (برای تست در Hugging Face)
-iface = gr.Interface(
-    fn=animegan2_transform,
-    inputs=[
-        gr.Image(type="pil", label="آپلود تصویر یا وارد کردن URL"),
-        gr.Dropdown(
-            ["face_paint_512_v1", "face_paint_512_v2", "paprika", "celeba_distill"],
-            value="face_paint_512_v2",
-            label="انتخاب استایل"
-        )
-    ],
-    outputs=gr.Image(type="pil", label="تصویر انیمه (کیفیت بالا)"),
-    title="AnimeGANv2 - تبدیل تصویر به انیمه با انتخاب استایل",
-    description="تصاویر خود را با کیفیت بالا و استایل‌های مختلف به انیمه تبدیل کنید."
-)
+# سلامت‌سنجی سرور
+@app.get("/health")
+async def health_check():
+    return {"status": "healthy"}
 
 if __name__ == "__main__":
     import uvicorn