.

app.py

@@ -1,25 +1,29 @@
 import gradio as gr
+from diffusers import StableDiffusionUpscalePipeline
 from PIL import Image
-from transformers import pipeline
 
-#Transformer para accesibilidad
+# Cargar pipeline (float32 para CPU)
+model_id = "stabilityai/stable-diffusion-x4-upscaler"
+pipe = StableDiffusionUpscalePipeline.from_pretrained(model_id)
+pipe = pipe.to("cpu")  # o "cuda" si hay GPU
 
-captioner = pipeline("image-to-text", model="Salesforce/blip-image-captioning-large")
-
-def describir(imagen):
+# Función de Gradio
+def upscaler_gradio(imagen):
     if imagen is None:
-        return "Sube una imagen."
+        return None
 
-    img = Image.fromarray(imagen)
-    result = captioner(img)[0]["generated_text"]
+    img = Image.fromarray(imagen)  # convertir de NumPy a PIL
+    prompt = "A high quality, detailed, and visually clear image"
+    result = pipe(prompt=prompt, image=img, scale=4).images[0]
     return result
 
+# Interfaz Gradio
 demo = gr.Interface(
-    fn=describir,
+    fn=upscaler_gradio,
     inputs=gr.Image(type="numpy"),
-    outputs=gr.Textbox(),
-    title="Accesibilidad con Transformers",
-    description="Sube una imagen y un modelo Transformer generará una descripción detallada."
+    outputs=gr.Image(),
+    title="Upscaler Difusión",
+    description="Sube una imagen y el modelo la mejorará y aumentará resolución 4×."
 )
 
-demo.launch()
+demo.launch()