Update app.py

app.py

@@ -1,39 +1,40 @@
 import os
 import torch
 import gradio as gr
-from diffusers import FluxPipeline
+from diffusers import StableDiffusion3Pipeline
 from huggingface_hub import login
 
-# Autenticar com token (definido nos "Secrets")
+# Login via token secreto nos "Settings > Secrets"
 login(os.environ["HF_TOKEN"])
 
-# Carrega a pipeline com bfloat16 (mais leve que float16, melhor para CPU/GPU sem erro)
-pipe = FluxPipeline.from_pretrained(
-    "black-forest-labs/FLUX.1-schnell",
-    torch_dtype=torch.bfloat16
+# Carregar pipeline com bfloat16 (mais leve, compatível com CPU/GPU Hugging Face)
+pipe = StableDiffusion3Pipeline.from_pretrained(
+    "stabilityai/stable-diffusion-3.5-medium",
+    torch_dtype=torch.bfloat16,
+    variant="bf16"
 )
 
-# Reduz uso de VRAM (tira partes da memória GPU e joga para CPU, útil para HF Spaces com limitação)
-pipe.enable_model_cpu_offload()
+# Envia para GPU se disponível
+device = "cuda" if torch.cuda.is_available() else "cpu"
+pipe = pipe.to(device)
 
-# Função principal para gerar imagem
+# Função para gerar imagem
 def gerar_imagem(prompt):
-    imagem = pipe(
+    image = pipe(
         prompt,
-        guidance_scale=0.0,
-        num_inference_steps=4,
-        max_sequence_length=256,
-        generator=torch.Generator("cpu").manual_seed(0)
+        num_inference_steps=30,
+        guidance_scale=4.5
     ).images[0]
-    return imagem
+    return image
 
 # Interface Gradio
 demo = gr.Interface(
     fn=gerar_imagem,
     inputs=gr.Textbox(label="Prompt"),
-    outputs=gr.Image(label="Imagem gerada"),
-    title="FLUX.1 Schnell - Gerador de Imagens",
-    description="Modelo de geração de imagem por texto desenvolvido pela Black Forest Labs"
+    outputs=gr.Image(label="Imagem Gerada"),
+    title="Stable Diffusion 3.5 Medium",
+    description="Geração de imagens com o modelo SD 3.5 da StabilityAI"
 )
 
-demo.launch()
+# Lançar com compartilhamento público
+demo.launch(share=True)