Update app.py

app.py

@@ -7,20 +7,27 @@ from PIL import Image
 import requests
 from io import BytesIO
 
+# デバイスを設定（CUDAが利用可能ならGPUを使用）
 device = "cuda" if torch.cuda.is_available() else "cpu"
-model_repo_id = "dalle-mini/dalle-mini"
+model_repo_id = "dalle-mini/dalle-mini"  # 使用するモデルのリポジトリID
 
+# モデルをロード
 pipe = DiffusionPipeline.from_pretrained(model_repo_id)
-pipe = pipe.to(device)
+pipe = pipe.to(device)  # モデルを選択したデバイスに移動
 
+# 最大のシード値を定義
 MAX_SEED = np.iinfo(np.int32).max
 
+# 画像生成関数
 def infer(prompt, negative_prompt, seed, randomize_seed, width, height, guidance_scale, num_inference_steps):
+    # シードをランダム化するオプションの処理
     if randomize_seed:
         seed = random.randint(0, MAX_SEED)
-        
+
+    # シードを指定して画像生成のための乱数生成器を作成
     generator = torch.Generator().manual_seed(seed)
-    
+
+    # プロンプトから画像を生成
     image = pipe(
         prompt=prompt,
         guidance_scale=guidance_scale,
@@ -28,19 +35,22 @@ def infer(prompt, negative_prompt, seed, randomize_seed, width, height, guidance
         width=width,
         height=height,
         generator=generator
-    ).images[0]
+    ).images[0]  # 生成された画像のリストから最初の画像を取得
     
     # 画像を保存
     image.save("generated_image.png")
     
+    # 生成された画像とダウンロードリンク、シードを返す
     return image, "generated_image.png", seed
 
+# サンプルプロンプトのリスト
 examples = [
     "ジャングルの中の宇宙飛行士、寒色のパレット、 muted colors、詳細、8k",
     "緑の馬に乗った宇宙飛行士",
     "美味しそうなセビーチェチーズケーキスライス",
 ]
 
+# スタイルシートの設定
 css = """
 #col-container {
     margin: 0 auto;
@@ -48,13 +58,16 @@ css = """
 }
 """
 
+# Gradioのインターフェースを構築
 with gr.Blocks(css=css) as demo:
     
     with gr.Column(elem_id="col-container"):
+        # タイトルの表示
         gr.Markdown(f"""
         # テキストから画像への生成器
         """)
         
+        # プロンプト入力と実行ボタン
         with gr.Row():
             prompt = gr.Textbox(
                 label="プロンプト",
@@ -64,11 +77,12 @@ with gr.Blocks(css=css) as demo:
                 container=False,
             )
             
-            run_button = gr.Button("生成", scale=0)
+            run_button = gr.Button("生成", scale=0)  # 画像生成ボタン
         
-        result = gr.Image(label="結果", show_label=False)
-        download_link = gr.File(label="生成された画像をダウンロード")
+        result = gr.Image(label="結果", show_label=False)  # 生成された画像を表示するための領域
+        download_link = gr.File(label="生成された画像をダウンロード")  # 画像をダウンロードするリンク
 
+        # 詳細設定のアコーディオン
         with gr.Accordion("詳細設定", open=False):
             negative_prompt = gr.Textbox(
                 label="ネガティブプロンプト",
@@ -85,13 +99,14 @@ with gr.Blocks(css=css) as demo:
                 value=0,
             )
             
-            randomize_seed = gr.Checkbox(label="シードをランダム化", value=True)
+            randomize_seed = gr.Checkbox(label="シードをランダム化", value=True)  # シードのランダム化オプション
             
+            # 画像の幅と高さを設定するスライダー
             with gr.Row():
                 width = gr.Slider(
                     label="幅",
                     minimum=256,
-                    maximum=MAX_IMAGE_SIZE,
+                    maximum=1024,
                     step=32,
                     value=1024,
                 )
@@ -99,11 +114,12 @@ with gr.Blocks(css=css) as demo:
                 height = gr.Slider(
                     label="高さ",
                     minimum=256,
-                    maximum=MAX_IMAGE_SIZE,
+                    maximum=1024,
                     step=32,
                     value=1024,
                 )
             
+            # ガイダンススケールと推論ステップ数を設定するスライダー
             with gr.Row():
                 guidance_scale = gr.Slider(
                     label="ガイダンススケール",
@@ -121,11 +137,13 @@ with gr.Blocks(css=css) as demo:
                     value=20,
                 )
         
+        # サンプルプロンプトを提供する機能
         gr.Examples(
             examples=examples,
             inputs=[prompt]
         )
 
+    # ボタンをクリックまたはプロンプトを送信すると画像生成をトリガー
     gr.on(
         triggers=[run_button.click, prompt.submit],
         fn=infer,
@@ -133,4 +151,5 @@ with gr.Blocks(css=css) as demo:
         outputs=[result, download_link, seed]
     )
 
+# Gradioアプリを起動
 demo.queue().launch()