.

app6.py

@@ -3,39 +3,40 @@ import torch
 from diffusers import DiffusionPipeline
 from PIL import Image
 
-# --- Configuración del Modelo (Cambiado a Stable Diffusion v1.5) ---
+# --- Configuración del Modelo (Forzado a CPU) ---
 
-# SD v1.5 requiere menos VRAM (4-8 GB) y es más estable en entornos limitados.
-device = "cuda" if torch.cuda.is_available() else "cpu"
-dtype_config = torch.float16 if device == "cuda" else torch.float32 
+# Establecemos el dispositivo a CPU ya que CUDA no está disponible en tu entorno.
+device = "cpu"
+dtype_config = torch.float32 # Los modelos en CPU usan float32
 
-# Modelo Stable Diffusion v1.5
+# Usamos Stable Diffusion v1.5, el modelo más ligero que funciona bien.
 model_id = "runwayml/stable-diffusion-v1-5" 
 
 pipe = None
 try:
-    # Carga con accelerate (device_map="auto") para manejar la memoria
+    # Carga sin accelerate (sin device_map) y forzando a CPU.
+    # Esto elimina las dependencias problemáticas de tu error.
     pipe = DiffusionPipeline.from_pretrained(
         model_id, 
         torch_dtype=dtype_config, 
-        use_safetensors=True,
-        device_map="auto" # Mantiene accelerate para optimizar
-    )
-    print("Modelo Stable Diffusion v1.5 cargado con éxito usando accelerate.")
+        use_safetensors=True
+    ).to(device) # <--- Forzamos la carga a la CPU
+    
+    print("✅ Modelo Stable Diffusion v1.5 cargado con éxito en la CPU.")
 
 except Exception as e:
-    print(f"Error CRÍTICO al cargar el modelo: {e}")
-    print("El modelo NO ha podido cargarse. Si esto ocurre con v1.5, el hardware es insuficiente.")
+    print(f"❌ Error CRÍTICO al cargar el modelo: {e}")
+    print("El modelo NO ha podido cargarse. Comprueba tu conexión o memoria RAM.")
 
 
 # --- Función de Procesamiento con Difusión (i2i) ---
-# Hemos quitado 'strength_slider' de los argumentos
 def procesar_con_difusion(imagen_entrada, estilo_radial):
     """
     Modifica la imagen usando el pipeline de difusión con el estilo radial seleccionado.
     """
     # Manejo de error de carga
     if pipe is None:
+        # Devuelve el error si el modelo no se cargó correctamente
         return Image.new('RGB', (512, 512), color = 'red') 
 
     if imagen_entrada is None:
@@ -45,7 +46,6 @@ def procesar_con_difusion(imagen_entrada, estilo_radial):
     prompt_base = "fotografía de alta calidad, retrato detallado, foto con textura" 
     
     estilo_prompts = {
-        # El prompt fijo + el modificador del estilo
         "Blanco y Negro (Monocromático)": ", monocromático, alto contraste, película de 35mm, grain, dramático",
         "Alto Contraste y Saturación": ", colores vívidos, alto contraste, saturación extrema, cinematográfico, hyperdetailed",
         "Original (Poco Ruido)": ", fotografía de alta calidad, realista, colores naturales, sutil, cinematic lighting",
@@ -54,10 +54,10 @@ def procesar_con_difusion(imagen_entrada, estilo_radial):
     full_prompt = prompt_base + estilo_prompts.get(estilo_radial, "")
 
     # 2. Fuerza de Difusión FIJA (strength): 
-    # Es fundamental para que el proceso i2i aplique el estilo del prompt.
     STRENGTH_FIJA = 0.9 
     
     # 3. Preprocesar la imagen (SD v1.5 nativo es 512x512)
+    # Convertimos a RGB y redimensionamos
     init_image = imagen_entrada.convert("RGB").resize((512, 512))
     
     try:
@@ -65,13 +65,14 @@ def procesar_con_difusion(imagen_entrada, estilo_radial):
         image = pipe(
             prompt=full_prompt, 
             image=init_image, 
-            strength=STRENGTH_FIJA, # Usamos la fuerza fija
+            strength=STRENGTH_FIJA, 
             guidance_scale=7.5    
         ).images[0] 
         
         return image
     except Exception as e:
         print(f"Error durante la ejecución del pipeline: {e}")
+        # Devuelve un cuadro de error si el proceso falla
         return Image.new('RGB', (512, 512), color = 'red')
 
 
@@ -81,30 +82,24 @@ with gr.Blocks(title="SD v1.5 Estilos Fijos") as demo:
         """
         # ✅ Tarea de Difusión (Image-to-Image) con SD v1.5
         Carga una imagen y selecciona un **Estilo Radial** para que el modelo de difusión la transforme. 
-        Este modelo es más ligero y evita la imagen roja.
+        **NOTA:** La generación será lenta (varios minutos) ya que se ejecuta en CPU.
         """
     )
     with gr.Row():
-        # Lado izquierdo: Inputs y Controles
         with gr.Column(scale=1):
             image_input = gr.Image(
                 type="pil", 
                 label="1. Cargar Imagen Inicial",
             )
             
-            # --- Control Radial (Radio Buttons) ---
             estilo_radial = gr.Radio(
                 ["Original (Poco Ruido)", "Blanco y Negro (Monocromático)", "Alto Contraste y Saturación"],
                 label="2. Selecciona el Estilo de Transformación",
                 value="Blanco y Negro (Monocromático)"
             )
-            # -----------------------------------
-            
-            # ELIMINAMOS EL SLIDER DE FUERZA DE DIFUSIÓN
             
             process_button = gr.Button("✨ Aplicar Difusión", variant="primary")
             
-        # Lado derecho: Output
         with gr.Column(scale=1):
             image_output = gr.Image(
                 type="pil",
@@ -112,7 +107,6 @@ with gr.Blocks(title="SD v1.5 Estilos Fijos") as demo:
                 height=512 
             )
     
-    # Conexión de la acción: ¡Cambiamos los inputs a solo dos!
     process_button.click(
         fn=procesar_con_difusion, 
         inputs=[image_input, estilo_radial],