app.py

import gradio as gr
from transformers import pipeline
from diffusers import DiffusionPipeline
import torch
import time
from tqdm import trange

# Detectar hardware
device = "cuda" if torch.cuda.is_available() else "cpu"
torch_dtype = torch.float16 if device == "cuda" else torch.float32

# Modelo de imagen (SSD-1B)
image_pipe = DiffusionPipeline.from_pretrained(
    "segmind/SSD-1B",
    torch_dtype=torch_dtype
).to(device)

# Modelo de texto más liviano y en español
text_pipe = pipeline(
    "text-generation", 
    model="PlanTL-GOB-ES/gpt2-base-bne", 
    device=0 if device == "cuda" else -1
)

# Función principal con progreso progresivo
def crear_microcuento(tema, progress=gr.Progress(track_tqdm=True)):
    prompt_img = f"Ilustración digital detallada sobre: {tema}, arte suave, poético, luces tenues"

    for _ in trange(50, desc="Generando imagen..."):
        time.sleep(0.05)
    imagen = image_pipe(prompt_img).images[0]

    for _ in trange(50, desc="Generando microcuento..."):
        time.sleep(0.03)

    prompt_txt = f"Escribe un microcuento narrativo, creativo y poético en español sobre: '{tema}'. El cuento debe tener inicio, desarrollo y final en no más de 4 líneas."
    cuento = text_pipe(prompt_txt, max_new_tokens=100, do_sample=True, temperature=0.9)[0]["generated_text"]

    return imagen, cuento.replace(prompt_txt, "").strip()

# Interfaz Gradio
gr.Interface(
    fn=crear_microcuento,
    inputs=gr.Textbox(lines=2, placeholder="Ej: La lluvia que susurra secretos", label="Tema del microcuento"),
    outputs=[
        gr.Image(label="Imagen generada"),
        gr.Textbox(label="Microcuento")
    ],
    title="✨ Microcuentos Ilustrados por IA",
    description="Ingresa un tema y esta IA creará una imagen artística y un microcuento narrativo inspirado en él.",
).launch()