Create app.py

app.py

@@ -0,0 +1,56 @@
+import torch
+import cv2
+import numpy as np
+from PIL import Image
+from controlnet_aux import CannyDetector
+from diffusers import DiffusionPipeline, LCMScheduler, StableDiffusionXLControlNetPipeline, ControlNetModel
+
+# Canny Detector लोड करें (इमेज के ढांचे के लिए)
+canny_detector = CannyDetector.from_pretrained("lllyasviel/Annotators")
+
+# 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
+controlnet = ControlNetModel.from_pretrained(
+    controlnet_id, 
+    torch_dtype=torch.float32, 
+    use_safetensors=True
+)
+
+# SSD-1B के साथ ControlNet पाइपलाइन लोड करें
+model_id = "segmind/SSD-1B"
+pipe = StableDiffusionXLControlNetPipeline.from_pretrained(
+    model_id, 
+    controlnet=controlnet, 
+    torch_dtype=torch.float32, 
+    use_safetensors=True
+)
+
+# 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
+pipe.to("cpu")
+
+def edit_image(original_image_path, prompt):
+    # मूल इमेज लोड करें और Canny मैप तैयार 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
+    image_edited = pipe(
+        prompt=prompt, 
+        image=control_image,
+        controlnet_conditioning_scale=0.6, # कंट्रोलनेट का असर (0.0 से 1.0)
+        num_inference_steps=5, 
+        guidance_scale=1.5
+    ).images[0]
+    
+    image_edited.save("edited_output.png")
+    print("इमेज एडिट हो गई: 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)