Update app.py

app.py

@@ -1,79 +1,54 @@
-import gradio as gr
-import torch
-from diffusers import DiffusionPipeline, DPMSolverMultistepScheduler
-from diffusers.utils import export_to_video
-import os
-
-# --- CONFIGURATION ---
-# On utilise le CPU par défaut pour que ça tourne partout, 
-# mais sur Hugging Face, il faudra activer le GPU (T4 small) pour que ce soit rapide.
-device = "cuda" if torch.cuda.is_available() else "cpu"
-
-print(f"🚀 Démarrage de l'API CygnisAI sur {device}...")
-
-# --- 1. GÉNÉRATION D'IMAGES (Stable Diffusion XL Lightning) ---
-# Modèle ultra-rapide (2-4 étapes)
-image_model_id = "ByteDance/SDXL-Lightning"
-try:
-    pipe_image = DiffusionPipeline.from_pretrained(
-        image_model_id, 
-        torch_dtype=torch.float16 if device == "cuda" else torch.float32,
-        use_safetensors=True
-    )
-    pipe_image.to(device)
-    print("✅ Modèle Image chargé.")
-except Exception as e:
-    print(f"❌ Erreur chargement modèle Image: {e}")
-    pipe_image = None
-
-def generate_image(prompt):
-    if pipe_image is None:
-        return None
-    
-    image = pipe_image(prompt, num_inference_steps=4, guidance_scale=0).images[0]
-    output_path = "output_image.png"
-    image.save(output_path)
-    return output_path
-
-# --- 2. GÉNÉRATION DE VIDÉOS (ModelScope) ---
-# Ce modèle est lourd. Sur un Space gratuit CPU, cela peut prendre du temps ou crasher.
-# Il est recommandé d'utiliser un Space GPU.
-video_model_id = "damo-vilab/text-to-video-ms-1.7b"
-try:
-    pipe_video = DiffusionPipeline.from_pretrained(video_model_id, torch_dtype=torch.float16 if device == "cuda" else torch.float32, variant="fp16")
-    pipe_video.scheduler = DPMSolverMultistepScheduler.from_config(pipe_video.scheduler.config)
-    pipe_video.to(device)
-    # Optimisation mémoire
-    # pipe_video.enable_model_cpu_offload() 
-    print("✅ Modèle Vidéo chargé.")
-except Exception as e:
-    print(f"⚠️ Modèle Vidéo non chargé (peut nécessiter plus de RAM/GPU): {e}")
-    pipe_video = None
-
-def generate_video(prompt):
-    if pipe_video is None:
-        return "Erreur: Modèle vidéo non disponible."
-    
-    video_frames = pipe_video(prompt, num_inference_steps=25).frames
-    video_path = export_to_video(video_frames, "output_video.mp4")
-    return video_path
-
-# --- INTERFACE GRADIO & API ---
-with gr.Blocks(title="CygnisAI Generative API") as demo:
-    gr.Markdown("# 🌌 CygnisAI Generative Engine")
-    
-    with gr.Tab("Image Generation"):
-        img_input = gr.Textbox(label="Prompt Image")
-        img_output = gr.Image(label="Résultat")
-        img_btn = gr.Button("Générer Image")
-        img_btn.click(generate_image, inputs=img_input, outputs=img_output)
-
-    with gr.Tab("Video Generation"):
-        vid_input = gr.Textbox(label="Prompt Vidéo")
-        vid_output = gr.Video(label="Résultat")
-        vid_btn = gr.Button("Générer Vidéo")
-        vid_btn.click(generate_video, inputs=vid_input, outputs=vid_output)
-
-# Lancement
-if __name__ == "__main__":
-    demo.launch()
+import gradio as gr
+import torch
+from diffusers import DiffusionPipeline, DPMSolverMultistepScheduler
+from diffusers.utils import export_to_video
+import os
+
+# --- CONFIGURATION CPU ---
+device = "cpu"
+print(f"🚀 Démarrage de l'API CygnisAI sur {device} (Mode Économique)...")
+
+# --- 1. GÉNÉRATION D'IMAGES (Modèle Tiny) ---
+# On utilise un modèle très léger pour le CPU
+image_model_id = "segmind/tiny-sd" 
+try:
+    pipe_image = DiffusionPipeline.from_pretrained(image_model_id, torch_dtype=torch.float32)
+    # Pas de .to(device) car on est déjà sur CPU par défaut
+    print("✅ Modèle Image chargé.")
+except Exception as e:
+    print(f"❌ Erreur chargement modèle Image: {e}")
+    pipe_image = None
+
+def generate_image(prompt):
+    if pipe_image is None: return None
+    # 15 étapes seulement pour aller vite
+    image = pipe_image(prompt, num_inference_steps=15).images[0]
+    output_path = "output_image.png"
+    image.save(output_path)
+    return output_path
+
+# --- 2. GÉNÉRATION DE VIDÉOS (Désactivée ou Mock) ---
+# Sur CPU Basic, la vidéo est impossible (timeout garanti).
+# On va simuler ou utiliser un modèle ultra-light si dispo, mais pour l'instant
+# on désactive pour éviter de frustrer l'utilisateur.
+
+def generate_video(prompt):
+    return "Erreur: La génération de vidéo nécessite un GPU. Veuillez utiliser l'API Pixabay intégrée à l'application."
+
+# --- INTERFACE GRADIO ---
+with gr.Blocks(title="CygnisAI API (CPU Mode)", theme=gr.themes.Soft()) as demo:
+    gr.Markdown("# 🌌 CygnisAI API (CPU Mode)")
+    gr.Markdown("⚠️ Mode CPU activé. La génération vidéo est désactivée. Les images sont en basse résolution pour la rapidité.")
+    
+    with gr.Tab("Image Generation"):
+        with gr.Row():
+            img_input = gr.Textbox(label="Prompt", placeholder="Un chat...")
+            img_btn = gr.Button("Générer (Lent)", variant="primary")
+        img_output = gr.Image(label="Résultat")
+        img_btn.click(generate_image, inputs=img_input, outputs=img_output)
+
+    with gr.Tab("Video Generation"):
+        gr.Markdown("❌ Indisponible sur ce serveur.")
+
+if __name__ == "__main__":
+    demo.launch()