.

app6.py

@@ -3,53 +3,32 @@ from PIL import Image
 from diffusers import StableDiffusionImg2ImgPipeline
 import torch
 
-# 1. Cargar el modelo ligero (Solo se ejecuta una vez al iniciar el Space)
 model_id = "runwayml/stable-diffusion-v1-5" 
 device = "cuda" if torch.cuda.is_available() else "cpu"
 
-# Usamos StableDiffusionImg2ImgPipeline para Image-to-Image
-try:
-    pipe = StableDiffusionImg2ImgPipeline.from_pretrained(model_id, torch_dtype=torch.float16)
-    pipe = pipe.to(device)
-except:
-    # Fallback si no hay GPU o si falla la carga con float16
-    pipe = StableDiffusionImg2ImgPipeline.from_pretrained(model_id)
-    pipe = pipe.to(device)
+pipe = StableDiffusionImg2ImgPipeline.from_pretrained(model_id, torch_dtype=torch.float16).to(device)
 
-
-# 2. Función de procesamiento (Aquí se ejecuta la inferencia)
-def convert_to_bn_diffusion(input_image: Image.Image, prompt: str, strength: float) -> Image.Image:
-    """
-    Ejecuta el pipeline de difusión I2I para estilizar la imagen.
-    """
+def convert_simple(input_image: Image.Image) -> Image.Image:
+    prompt = "A high contrast, dramatic photo, black and white, monochrome, grayscale"
+    strength = 0.95
     
-    # Aseguramos que la imagen esté en RGB y redimensionamos si es necesario
     input_image = input_image.convert("RGB").resize((512, 512))
     
-    # Prompt forzando el estilo monocromático
-    bn_prompt = f"{prompt}, high contrast, black and white, monochrome, grayscale"
-
-    # Generación (Inferencia)
     output_image = pipe(
-        prompt=bn_prompt,
+        prompt=prompt,
         image=input_image,
-        strength=strength, # Cuanto más alto, más se transforma (más BN)
+        strength=strength, 
         guidance_scale=7.5
     ).images[0]
     
-    return output_image
+    final_bn_image = output_image.convert('L') 
+    
+    return final_bn_image
 
-# 3. Interfaz de Gradio
 iface = gr.Interface(
-    fn=convert_to_bn_diffusion,
-    inputs=[
-        gr.Image(type="pil", label="Sube tu imagen (se redimensionará a 512x512)"),
-        gr.Textbox(label="Prompt adicional (ej: 'a moody photo', 'vintage style')", value="A sharp, detailed photograph"),
-        gr.Slider(minimum=0.5, maximum=1.0, step=0.05, value=0.9, label="Fuerza de Estilización (Strength - Cuánto se convierte a B/N)")
-    ],
+    fn=convert_simple,
+    inputs=[gr.Image(type="pil")],
     outputs="image",
-    title="Conversor a B/N con Modelo de Difusión (Img2Img)",
-    description="Sube una imagen y el modelo Stable Diffusion intentará convertirla a blanco y negro basado en el prompt y la fuerza de estilización."
 )
 
 if __name__ == "__main__":