Create run.py

run.py

@@ -0,0 +1,49 @@
+import gradio as gr
+import torch
+from diffusers import StableDiffusionPipeline
+from PIL import Image
+
+# 1. Настройка модели
+model_id = "Kolyadual/MicroMacro-GenImage-v1-tiny" # Убедись, что путь верный
+
+# Загружаем пайплайн (оптимизировано для CPU)
+pipe = StableDiffusionPipeline.from_pretrained(
+    model_id, 
+    torch_dtype=torch.float32,
+    use_safetensors=True
+)
+pipe.to("cpu")
+
+# Включаем оптимизацию памяти для бесплатных серверов HF
+pipe.enable_attention_slicing()
+
+def generate(prompt, steps, guidance):
+    # Модель Tiny не понимает русский, поэтому предупреждаем в интерфейсе
+    # Но технически она просто выдаст плохой результат на кириллице
+    image = pipe(
+        prompt=prompt, 
+        num_inference_steps=int(steps), 
+        guidance_scale=float(guidance)
+    ).images[0]
+    return image
+
+# 2. Создание интерфейса Gradio
+with gr.Blocks(theme=gr.themes.Soft()) as demo:
+    gr.Markdown(f"# ✨ MicroMacro GenImage v1 Tiny ✨")
+    gr.Markdown("### Ultra-fast CPU generation. Use **English** only!")
+    
+    with gr.Row():
+        with gr.Column():
+            prompt = gr.Textbox(label="Your Prompt (English)", placeholder="e.g. mystical alchemy crystal, glowing...")
+            steps = gr.Slider(minimum=1, maximum=25, value=12, step=1, label="Inference Steps")
+            guidance = gr.Slider(minimum=1, maximum=15, value=7.5, step=0.5, label="Guidance Scale")
+            btn = gr.Button("Generate ✨")
+        
+        with gr.Column():
+            output_img = gr.Image(label="Result")
+
+    btn.click(fn=generate, inputs=[prompt, steps, guidance], outputs=output_img)
+
+# 3. Запуск
+if __name__ == "__main__":
+    demo.launch()