cosplay / app.py
appinitdev's picture
Update app.py
642c9af verified
Raw
History Blame Contribute Delete
2.24 kB
import gradio as gr
import torch
from PIL import Image
from diffusers import QwenImageEditPipeline
import spaces
# 1. Cargar el modelo base y el adaptador (LoRA)
# Esto ocurre cuando el Space arranca, preparándolo en memoria
pipe = QwenImageEditPipeline.from_pretrained(
"Qwen/Qwen-Image-Edit-2511",
torch_dtype=torch.bfloat16
)
pipe.load_lora_weights("WarmBloodAban/AnyoneCosplay")
pipe.to("cuda")
# 2. La función generadora con Zero-GPU
# @spaces.GPU le dice a Hugging Face: "préstame una GPU potente solo para estos segundos"
@spaces.GPU
def generate_cosplay(human_img, anime_img):
# El modelo espera una sola imagen unida.
# Pegamos la foto humana (Figura 1) y el anime (Figura 2) lado a lado.
w1, h1 = human_img.size
w2, h2 = anime_img.size
# Ajustamos la altura de la imagen anime para que coincida con la humana
new_w2 = int((h1 / h2) * w2)
anime_img_resized = anime_img.resize((new_w2, h1))
combined_img = Image.new('RGB', (w1 + new_w2, h1))
combined_img.paste(human_img, (0, 0))
combined_img.paste(anime_img_resized, (w1, 0))
# Palabra clave de activación requerida por el autor del modelo
prompt = "Let the person in Figure 1 cosplay the role in Figure 2"
with torch.inference_mode():
# Ejecutamos la inferencia con los parámetros recomendados para Qwen
output = pipe(
image=combined_img,
prompt=prompt,
num_inference_steps=50,
true_cfg_scale=4.0
).images[0]
return output
# 3. Interfaz gráfica simple y ligera
with gr.Blocks(theme=gr.themes.Soft()) as demo:
gr.Markdown("# 🎭 Virtual Cosplay (Zero-GPU)")
gr.Markdown("Sube tu foto y la del personaje de anime. El modelo transferirá la ropa manteniendo tu rostro.")
with gr.Row():
human_in = gr.Image(type="pil", label="Tu foto (Figura 1)")
anime_in = gr.Image(type="pil", label="Personaje Anime (Figura 2)")
btn = gr.Button("✨ Generar Cosplay", variant="primary")
output_image = gr.Image(label="Resultado final")
btn.click(fn=generate_cosplay, inputs=[human_in, anime_in], outputs=output_image)
# Iniciar la aplicación
demo.launch()