Update app.py

app.py

@@ -1,71 +1,56 @@
 import uvicorn
 from fastapi import FastAPI, HTTPException
 from fastapi.staticfiles import StaticFiles
+from fastapi.responses import FileResponse
 from pydantic import BaseModel
+import requests
 import os
 import uuid
-from min_dalle import MinDalle
-import torch
 
-# --- CONFIGURATION ---
 app = FastAPI()
-device = "cpu" # On force le CPU car c'est ce qu'on a
-print(f"🚀 Démarrage de l'API Image (DALL-E Mini) sur {device}...")
 
-# Chargement du modèle DALL-E Mini (Optimisé pour CPU)
-# On utilise min-dalle qui est une implémentation légère
-try:
-    model = MinDalle(
-        models_root='./pretrained',
-        dtype=torch.float32, 
-        device=device,
-        is_mega=False, # False = DALL-E Mini (plus léger), True = DALL-E Mega
-        is_reusable=True
-    )
-    print("✅ Modèle DALL-E Mini chargé.")
-except Exception as e:
-    print(f"❌ Erreur chargement modèle: {e}")
-    model = None
+# Token HF récupéré depuis les variables d'environnement (Secrets)
+HF_TOKEN = os.environ.get("HF_TOKEN")
+API_URL = "https://api-inference.huggingface.co/models/stabilityai/stable-diffusion-xl-base-1.0"
 
 class ImageRequest(BaseModel):
     prompt: str
 
 @app.post("/generate")
 async def generate_image(request: ImageRequest):
-    print(f"🎨 Génération image : {request.prompt}")
+    print(f"🎨 Génération (HF API) : {request.prompt}")
     
-    if not model:
-        raise HTTPException(status_code=500, detail="Modèle non chargé")
+    if not HF_TOKEN:
+        raise HTTPException(status_code=500, detail="Token HF manquant. Configurez le secret HF_TOKEN.")
 
+    headers = {"Authorization": f"Bearer {HF_TOKEN}"}
+    payload = {"inputs": request.prompt}
+    
     try:
-        # Génération
-        # grid_size=1 pour générer une seule image (plus rapide)
-        images = model.generate_image(
-            text=request.prompt,
-            seed=-1,
-            grid_size=1,
-            is_seamless=False,
-            temperature=1,
-            top_k=256,
-            supercondition_factor=16,
-            is_verbose=True
-        )
+        response = requests.post(API_URL, headers=headers, json=payload)
         
-        # Sauvegarde
-        filename = f"image_{uuid.uuid4()}.png"
-        # images est une PIL Image
-        images.save(filename)
+        if response.status_code != 200:
+            raise Exception(f"Erreur API HF: {response.text}")
+            
+        # L'API retourne l'image binaire
+        image_bytes = response.content
         
-        # Retourne l'URL absolue
-        # Note: Sur HF Spaces, l'URL est https://huggingface.co/spaces/USER/SPACE/resolve/main/FILENAME
-        # Mais via FastAPI static, c'est relatif
-        return {"image_url": f"https://simonc-44-ai-api.hf.space/{filename}"}
+        # Sauvegarde locale pour servir l'image
+        filename = f"gen_{uuid.uuid4()}.png"
+        with open(filename, "wb") as f:
+            f.write(image_bytes)
+            
+        # URL absolue pour le frontend
+        return {"image_url": f"/{filename}"}
 
     except Exception as e:
-        print(f"❌ Erreur génération : {str(e)}")
+        print(f"❌ Erreur : {str(e)}")
         raise HTTPException(status_code=500, detail=str(e))
 
-# Servir les fichiers statiques
+@app.get("/")
+async def read_index():
+    return FileResponse('index.html')
+
 app.mount("/", StaticFiles(directory=".", html=True), name="static")
 
 if __name__ == "__main__":