c

app.py

@@ -2,22 +2,6 @@ import gradio as gr
 import requests
 import logging
 import os
-from fastapi import FastAPI, Request
-from fastapi.middleware.cors import CORSMiddleware
-import uvicorn
-from multiprocessing import Process
-
-# Crear la aplicación FastAPI
-app = FastAPI()
-
-# Configurar CORS si es necesario
-app.add_middleware(
-    CORSMiddleware,
-    allow_origins=["*"],  # Ajusta esto según tus necesidades
-    allow_credentials=True,
-    allow_methods=["*"],
-    allow_headers=["*"],
-)
 
 # Leer el token de Hugging Face desde las variables de entorno
 HUGGING_FACE_TOKEN = os.getenv("HUGGING_FACE_TOKEN")
@@ -97,30 +81,6 @@ def predict(message, history):
     else:
         return "No se pudo mejorar la resolución."
 
-# Endpoint de FastAPI para la predicción
-@app.post("/predict")
-async def api_predict(request: Request):
-    data = await request.json()
-    message = data.get("message")
-    response = predict(message, [])
-    return {"response": response}
-
-# Función para ejecutar Gradio
-def run_gradio():
-    iface = gr.ChatInterface(predict)
-    iface.launch(share=True)
-
-# Función para ejecutar FastAPI con uvicorn
-def run_fastapi():
-    uvicorn.run(app, host="0.0.0.0", port=7860)
-
-# Ejecutar Gradio y FastAPI en procesos separados
-if __name__ == "__main__":
-    gradio_process = Process(target=run_gradio)
-    fastapi_process = Process(target=run_fastapi)
-    
-    gradio_process.start()
-    fastapi_process.start()
-    
-    gradio_process.join()
-    fastapi_process.join()
+# Crear y lanzar la interfaz de Gradio con un enlace público
+iface = gr.ChatInterface(predict)
+iface.launch(share=True)