Update app.py

app.py

@@ -1,22 +1,29 @@
-# app.py — InstantID SDXL (Option 1: téléchargements auto des poids depuis un repo Model)
-# - Tu uploades localement SEULEMENT la pipeline .py (texte) dans ./instantid/
-# - Les poids (safetensors/bin) sont téléchargés au runtime depuis InstantX/InstantID (repo Model)
+# app.py — InstantID SDXL (Option 1, robuste aux erreurs OMP + hub)
+# - Tu uploades SEULEMENT la pipeline .py (texte) dans ./instantid/
+# - Les poids sont téléchargés auto depuis InstantX/InstantID (repo Model)
+
 import os, traceback, importlib.util
 
-# Eviter l'erreur libgomp
-os.environ.setdefault("OMP_NUM_THREADS", "4")
+# --- Sécuriser OMP_NUM_THREADS (éviter libgomp error) ---
+val = os.environ.get("OMP_NUM_THREADS", "")
+try:
+    if val == "" or int(val) <= 0:
+        os.environ["OMP_NUM_THREADS"] = "1"
+except Exception:
+    os.environ["OMP_NUM_THREADS"] = "1"
+
 os.environ.setdefault("HF_HUB_ENABLE_HF_TRANSFER", "1")
 
 import torch, gradio as gr
 from PIL import Image, ImageOps
-from huggingface_hub import hf_hub_download, HfHubHTTPError
+from huggingface_hub import hf_hub_download   # <- pas de HfHubHTTPError (compat large)
 from diffusers.models import ControlNetModel
 
 DEVICE = "cuda" if torch.cuda.is_available() else "cpu"
 DTYPE  = torch.float16 if DEVICE == "cuda" else torch.float32
 
-# -------- Références Hub (repo MODEL public qui contient les poids) --------
-ASSETS_REPO = "InstantX/InstantID"   # tu peux le remplacer par ton propre repo MODEL si besoin
+# -------- Repo Model qui contient les poids (public) --------
+ASSETS_REPO = "InstantX/InstantID"
 
 # -------- Chemins locaux attendus dans le Space --------
 PIPE_CANDIDATES = [
@@ -33,10 +40,10 @@ def import_pipeline_or_fail():
     if pipeline_file is None:
         raise RuntimeError(
             "Pipeline InstantID introuvable.\n"
-            "➡️ Uploade l’un de ces fichiers (texte) dans ton Space :\n"
+            "➡️ Uploade l’un de ces fichiers (TEXTE uniquement) dans ton Space :\n"
             "   - instantid/pipeline_stable_diffusion_xl_instantid.py\n"
             "   - instantid/pipeline_stable_diffusion_xl_instantid_full.py\n"
-            "Les poids seront téléchargés automatiquement."
+            "(Ne mets PAS de .safetensors dans le Space — ils seront téléchargés automatiquement)."
         )
     spec = importlib.util.spec_from_file_location("instantid_pipeline", pipeline_file)
     mod  = importlib.util.module_from_spec(spec)
@@ -50,21 +57,14 @@ def import_pipeline_or_fail():
 def ensure_assets_or_download():
     os.makedirs(CHECKPOINTS_DIR, exist_ok=True)
     os.makedirs(CN_LOCAL_DIR, exist_ok=True)
-    # Télécharge/valide ControlNet IdentityNet
-    try:
-        if not os.path.isfile(os.path.join(CN_LOCAL_DIR, "config.json")):
-            hf_hub_download(ASSETS_REPO, "ControlNetModel/config.json", local_dir=CHECKPOINTS_DIR)
-        if not os.path.isfile(os.path.join(CN_LOCAL_DIR, "diffusion_pytorch_model.safetensors")):
-            hf_hub_download(ASSETS_REPO, "ControlNetModel/diffusion_pytorch_model.safetensors", local_dir=CHECKPOINTS_DIR)
-    except HfHubHTTPError as e:
-        raise RuntimeError(f"Echec téléchargement IdentityNet depuis {ASSETS_REPO} : {e}")
-
-    # Télécharge/valide ip-adapter.bin
-    try:
-        if not os.path.isfile(IP_ADAPTER_LOCAL):
-            hf_hub_download(ASSETS_REPO, "ip-adapter.bin", local_dir=CHECKPOINTS_DIR)
-    except HfHubHTTPError as e:
-        raise RuntimeError(f"Echec téléchargement ip-adapter.bin depuis {ASSETS_REPO} : {e}")
+    # ControlNet IdentityNet
+    if not os.path.isfile(os.path.join(CN_LOCAL_DIR, "config.json")):
+        hf_hub_download(ASSETS_REPO, "ControlNetModel/config.json", local_dir=CHECKPOINTS_DIR)
+    if not os.path.isfile(os.path.join(CN_LOCAL_DIR, "diffusion_pytorch_model.safetensors")):
+        hf_hub_download(ASSETS_REPO, "ControlNetModel/diffusion_pytorch_model.safetensors", local_dir=CHECKPOINTS_DIR)
+    # ip-adapter
+    if not os.path.isfile(IP_ADAPTER_LOCAL):
+        hf_hub_download(ASSETS_REPO, "ip-adapter.bin", local_dir=CHECKPOINTS_DIR)
 
 # -------- Chargement pipeline --------
 load_logs = []
@@ -72,7 +72,7 @@ try:
     SDXLInstantID, draw_kps = import_pipeline_or_fail()
     ensure_assets_or_download()
 
-    BASE_MODEL = "stabilityai/stable-diffusion-xl-base-1.0"  # remplaçable par un SDXL style anime si tu en as
+    BASE_MODEL = "stabilityai/stable-diffusion-xl-base-1.0"  # tu peux remplacer par un SDXL plus “anime”
 
     load_logs.append("Chargement ControlNet IdentityNet…")
     controlnet_identitynet = ControlNetModel.from_pretrained(CN_LOCAL_DIR, torch_dtype=DTYPE)
@@ -86,6 +86,7 @@ try:
         feature_extractor=None,
     ).to(DEVICE)
 
+    # ip-adapter d’InstantID
     if hasattr(pipe, "load_ip_adapter_instantid"):
         pipe.load_ip_adapter_instantid(IP_ADAPTER_LOCAL)
     else:
@@ -103,7 +104,7 @@ except Exception:
 if pipe is None:
     raise RuntimeError("Échec chargement pipeline InstantID.\n" + "\n".join(load_logs))
 
-# -------- InsightFace pour landmarks --------
+# -------- InsightFace (landmarks) --------
 from insightface.app import FaceAnalysis
 fa = FaceAnalysis(name="antelopev2", root="./", providers=["CPUExecutionProvider"])
 fa.prepare(ctx_id=0, det_size=(640, 640))
@@ -114,7 +115,7 @@ def extract_kps_image(pil_img: Image.Image):
     faces = fa.get(img_cv2)
     if not faces:
         raise ValueError("Aucun visage détecté. Utilise un portrait net (visage centré).")
-    face = faces[-1]  # visage principal
+    face = faces[-1]
     return draw_kps(pil_img, face["kps"])
 
 # -------- Inference --------
@@ -148,7 +149,7 @@ def generate(face_image, prompt, negative_prompt, identity_strength, adapter_str
 
         return images[0], "", "\n".join(load_logs)
     except torch.cuda.OutOfMemoryError as oom:
-        msg = "CUDA OOM: baisse la résolution (ex: 640×768 → 576×704), steps 24–28, CFG 5–6."
+        msg = "CUDA OOM: baisse résolution (ex: 640×768 → 576×704), steps 24–28, CFG 5–6."
         return None, f"{msg}\n{oom}", "\n".join(load_logs)
     except Exception:
         return None, "Erreur:\n"+traceback.format_exc(), "\n".join(load_logs)