Update app.py

app.py

@@ -53,11 +53,10 @@ def optimize_image(image, png_optimize, jpeg_quality, jpeg_resolution, webp_qual
         webp_lossy_img, f"WebP con pérdida: {webp_lossy_size:.2f} KB \n(diferencia: {-webp_lossy_diff:.2f} KB)", webp_lossy_output_path
     ]
 
-# Función de ejemplo para aplicar un modelo de super-resolución
-def super_res_image(image):
-    esrgan = pipeline("image-super-resolution", model="microsoft/real-esrgan")
-    super_res_img = esrgan(image)
-    return super_res_img
+# Función para aplicar un modelo seleccionado desde Hugging Face
+def apply_model(image, model_name):
+    model_pipeline = pipeline("image-super-resolution", model=model_name)
+    return model_pipeline(image)
 
 with gr.Blocks() as demo:
     with gr.Tab("Optimización Tradicional"):
@@ -103,13 +102,18 @@ with gr.Blocks() as demo:
 
     with gr.Tab("Optimización con Modelos de Hugging Face"):
         hf_image_input = gr.File(label="Sube tu imagen para optimización avanzada", file_types=['image'])
-        super_res_output = gr.Image(label="Super-Resolution Result")
-        hf_button = gr.Button("Aplicar Super-Resolution")
+        model_selector = gr.Dropdown(
+            label="Selecciona un modelo",
+            choices=["xinntao/Real-ESRGAN", "google/ddpm-cifar10-32", "facebook/ddpm"],  # Añade los modelos disponibles
+            value="xinntao/Real-ESRGAN"
+        )
+        hf_output = gr.Image(label="Resultado")
+        hf_button = gr.Button("Aplicar Modelo")
 
         hf_button.click(
-            fn=super_res_image,
-            inputs=hf_image_input,
-            outputs=super_res_output
+            fn=apply_model,
+            inputs=[hf_image_input, model_selector],
+            outputs=hf_output
         )
 
 demo.launch()