Upload 2 files

app.py

@@ -0,0 +1,79 @@
+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()

requirements.txt

@@ -0,0 +1,9 @@
+gradio
+torch
+diffusers
+transformers
+accelerate
+safetensors
+opencv-python
+imageio
+imageio-ffmpeg