Update app.py

app.py

@@ -1,92 +1,93 @@
-# app.py - Hyper-SD روی CPU فقط — فوق سریع و با کیفیت
+# app.py - Hyper-SD LoRA روی CPU — فوق سریع (۵–۱۸ ثانیه!)
 import torch
-from diffusers import AutoPipelineForText2Image, HyperPipeline
-from accelerate import Accelerator
+from diffusers import StableDiffusionPipeline, DDIMScheduler
+from huggingface_hub import hf_hub_download
 import gradio as gr
 
-# فقط این دو خط برای CPU کافیه
-accelerator = Accelerator(cpu=True, mixed_precision="no")
+# برای CPU فقط
 device = "cpu"
+torch_dtype = torch.float32
 
-# لود Hyper-SD (فقط ۱–۴ گام نیاز داره!)
-pipe = AutoPipelineForText2Image.from_pretrained(
-    "ByteDance/Hyper-SD15-1step",   # ۱ گام
-    # "ByteDance/Hyper-SD15-4steps",  # یا این برای کیفیت کمی بالاتر
-    torch_dtype=torch.float32,
-    variant="fp16",
+# لود base model (SD 1.5 برای سرعت بیشتر روی CPU — کیفیت عالی!)
+pipe = StableDiffusionPipeline.from_pretrained(
+    "runwayml/stable-diffusion-v1-5",
+    torch_dtype=torch_dtype,
     use_safetensors=True,
+    safety_checker=None,  # برای سرعت بیشتر
 )
 
-# فعال‌سازی حالت Hyper (خیلی مهمه!)
-pipe = HyperPipeline(pipe)
+# دانلود و لود LoRA Hyper-SD (۱ گام!)
+ckpt_name = "Hyper-SD15-1step-lora.safetensors"
+pipe.load_lora_weights(hf_hub_download("ByteDance/Hyper-SD", ckpt_name))
 
-# آماده‌سازی برای CPU
-pipe = accelerator.prepare(pipe)
-pipe.to(device)
+# fuse LoRA (خیلی مهمه برای سرعت!)
+pipe.fuse_lora(lora_scale=1.0)
+
+# scheduler مناسب برای Hyper-SD (DDIM برای ۱–۴ گام)
+pipe.scheduler = DDIMScheduler.from_config(pipe.scheduler.config)
+pipe.scheduler.set_timesteps(1)  # فقط ۱ گام!
 
-# بهینه‌سازی‌های نهایی برای CPU
-pipe.enable_attention_slicing()        # حافظه خیلی کم
+# بهینه‌سازی‌های CPU
+pipe.enable_attention_slicing()  # حافظه کم
+pipe.enable_vae_slicing()       # VAE سریع‌تر
 pipe.unet.to(memory_format=torch.channels_last)
 
-def generate(prompt, negative="", steps=1, cfg=0.0, seed=-1):
+pipe.to(device)
+
+def generate(prompt, negative="", steps=1, seed=-1):
     generator = torch.Generator(device=device).manual_seed(int(seed)) if seed != -1 else None
     
     image = pipe(
         prompt=prompt,
         negative_prompt=negative,
-        num_inference_steps=steps,      # فقط ۱ تا ۴!
-        guidance_scale=cfg,             # برای Hyper-SD معمولاً 0.0 بهترینه
+        num_inference_steps=steps,  # فقط ۱–۴!
+        guidance_scale=0.0,         # برای Hyper-SD معمولاً ۰ (بدون CFG)
         generator=generator,
-        height=1024,
-        width=1024,
+        height=512,                 # برای CPU سریع‌تر (بعداً upscale کن)
+        width=512,
     ).images[0]
     
     return image
 
-# رابط زیبا و سریع
+# رابط گرادیو
 with gr.Blocks(title="Hyper-SD روی CPU — ۵–۱۸ ثانیه!") as demo:
-    gr.Markdown("# Hyper-SD — سریع‌ترین مدل ۲۰۲۵ روی CPU فقط 🚀")
-    gr.Markdown("**۱ تا ۴ گام** → **۵ تا ۱۸ ثانیه** روی هر CPU")
+    gr.Markdown("# Hyper-SD LoRA — سریع‌ترین مدل ۲۰۲۵ روی CPU 🚀")
+    gr.Markdown("**۱ گام** → **۵–۹ ثانیه** | کیفیت عالی با LoRA ByteDance")
 
     with gr.Row():
         with gr.Column(scale=2):
             prompt = gr.Textbox(
                 label="پرامپت",
                 lines=3,
-                placeholder="مثلاً: یک اژدهای غول‌پیکر در آسمان طوفانی، هنر دیجیتال، کیفیت بالا",
-                value="گربه فضانورد در حال قدم زدن روی مریخ، سبک انیمه، کیفیت بالا"
+                placeholder="مثلاً: یک اژدهای غول‌پیکر در آسمان طوفانی، هنر دیجیتال",
+                value="گربه فضانورد روی مریخ، سبک واقع‌گرایانه، کیفیت بالا"
             )
             negative = gr.Textbox(
-                label="نگاتیو پرامپت (اختیاری)",
+                label="نگاتیو پرامپت",
                 lines=2,
-                placeholder="تار، بدشکل، کم‌جزئیات، متن، لوگو",
-                value="تار، بد، زشت، کم‌جزئیات"
+                placeholder="تار، بدشکل، کم‌جزئیات",
+                value="تار، زشت، نویزدار"
             )
 
             with gr.Row():
-                steps = gr.Slider(1, 4, value=1, step=1, label="تعداد گام‌ها (۱ = سریع‌ترین، ۴ = باکیفیت‌تر)")
+                steps = gr.Slider(1, 4, value=1, step=1, label="گام‌ها (۱ = سریع‌ترین)")
                 seed = gr.Number(value=-1, label="Seed (-1 = رندوم)")
 
-            btn = gr.Button("تولید تصویر (۵–۱۸ ثانیه) ⚡", variant="primary", size="lg")
+            btn = gr.Button("تولید تصویر ⚡", variant="primary")
 
         with gr.Column(scale=1):
-            output = gr.Image(label="تصویر تولید شده", height=600, type="pil")
+            output = gr.Image(label="نتیجه", type="pil")
 
     gr.Examples(
         examples=[
-            ["پرتره یک دختر انیمه با موهای صورتی در باغ شکوفه‌های گیلاس، کیفیت بالا", "تار، بدشکل"],
-            ["شهر سایبرپانک در شب با باران و نورهای نئونی، هنر دیجیتال", "تار، کم نور"],
-            ["گربه‌ای با کلاه جادوگر در حال خواندن کتاب جادو، سبک کارتونی", ""],
-            ["منظره کوهستانی در غروب با دریاچه و مه، واقع‌گرایانه", "تار، نویزدار"],
+            ["شهر سایبرپانک در شب با باران و نئون، کیفیت بالا", "تار، تاریک"],
+            ["پرتره دختر انیمه با موهای آبی، در جنگل جادویی", ""],
+            ["ماشین اسپورت در جاده کوهستانی، غروب آفتاب", "تار، بدشکل"],
         ],
         inputs=[prompt, negative]
     )
 
-    btn.click(
-        fn=generate,
-        inputs=[prompt, negative, steps, seed],
-        outputs=output
-    )
+    btn.click(fn=generate, inputs=[prompt, negative, steps, seed], outputs=output)
 
 if __name__ == "__main__":
     demo.launch()