Update app.py

app.py

@@ -3,20 +3,24 @@ import cv2
 import numpy as np
 from PIL import Image
 from controlnet_aux import CannyDetector
-from diffusers import DiffusionPipeline, LCMScheduler, StableDiffusionXLControlNetPipeline, ControlNetModel
+from diffusers import (
+    StableDiffusionXLControlNetPipeline, 
+    ControlNetModel, 
+    LCMScheduler
+)
 
-# Canny Detector लोड करें (इमेज के ढांचे के लिए)
-canny_detector = CannyDetector.from_pretrained("lllyasviel/Annotators")
+# 1. Canny Detector इनिशियलाइज़ करें (सही तरीका)
+canny_detector = CannyDetector()
 
-# ControlNet मॉडल लोड करें (SSD-1B के लिए छोटा ControlNet ज़रूरी है)
-controlnet_id = "controlnet-xl-fp16/controlnet-canny-xl-fp16" # छोटा और तेज़ वर्शन
+# 2. ControlNet मॉडल लोड करें
+# SSD-1B के लिए Canny ControlNet का उपयोग
 controlnet = ControlNetModel.from_pretrained(
-    controlnet_id, 
+    "diffusers/controlnet-canny-sdxl-1.0", 
     torch_dtype=torch.float32, 
     use_safetensors=True
 )
 
-# SSD-1B के साथ ControlNet पाइपलाइन लोड करें
+# 3. SSD-1B के साथ पाइपलाइन लोड करें
 model_id = "segmind/SSD-1B"
 pipe = StableDiffusionXLControlNetPipeline.from_pretrained(
     model_id, 
@@ -25,32 +29,31 @@ pipe = StableDiffusionXLControlNetPipeline.from_pretrained(
     use_safetensors=True
 )
 
-# LCM-LoRA लोड करें (तेज़ स्पीड के लिए)
+# 4. LCM-LoRA लोड करें (तेज़ स्पीड के लिए)
 pipe.load_lora_weights("latent-consistency/lcm-lora-sdxl")
 pipe.scheduler = LCMScheduler.from_config(pipe.scheduler.config)
 
-# पाइपलाइन को CPU पर रखें
+# 5. CPU पर रखें
 pipe.to("cpu")
 
 def edit_image(original_image_path, prompt):
-    # मूल इमेज लोड करें और Canny मैप तैयार करें
+    # इमेज को लोड और प्रोसेस करें
     image = Image.open(original_image_path).convert("RGB")
-    control_image = canny_detector(image) # इमेज का ढांचा तैयार है
     
-    # इमेज एडिट करें
-    # inference steps को 4-8 रखें
+    # Canny एज डिटेक्शन
+    control_image = canny_detector(image)
+    
+    # इमेज जनरेशन (LCM के कारण केवल 4-5 स्टेप्स काफी हैं)
     image_edited = pipe(
         prompt=prompt, 
         image=control_image,
-        controlnet_conditioning_scale=0.6, # कंट्रोलनेट का असर (0.0 से 1.0)
+        controlnet_conditioning_scale=0.5, 
         num_inference_steps=5, 
         guidance_scale=1.5
     ).images[0]
     
     image_edited.save("edited_output.png")
-    print("इमेज एडिट हो गई: edited_output.png")
+    print("इमेज एडिट होकर सेव हो गई है: edited_output.png")
 
-# टेस्टिंग के लिए
-# input_image = "image_0.png" # पहाड़ों वाली इमेज
-# new_prompt = "Add detailed blooming cherry blossom trees with pink flowers to the mountain foreground, warm sunrise light, realistic photo"
-# edit_image(input_image, new_prompt)
+# उपयोग करने का उदाहरण:
+# edit_image("image_0.png", "A beautiful landscape with cherry blossom trees, realistic, high quality")