Update app.py

app.py

@@ -52,35 +52,40 @@ for name, details in lora_models.items():
 MAX_SEED = 2**32 - 1
 
 def upload_image_to_supabase(image, filename):
-    """ Faz upload da imagem gerada para o Supabase Storage e retorna a URL pública. """
+    """ Faz upload da imagem para o Supabase Storage e retorna a URL pública. """
     img_bytes = io.BytesIO()
     image.save(img_bytes, format="PNG")
-    img_bytes.seek(0)
+    img_bytes.seek(0)  # Move para o início do arquivo
 
     storage_path = f"images/{filename}"
-    response = supabase.storage.from_("images").upload(storage_path, img_bytes, {"content-type": "image/png"})
 
-    if response.get("error"):
-        raise Exception(f"Erro ao salvar no Supabase: {response['error']}")
-
-    base_url = f"{url}/storage/v1/object/public/images"
-    return f"{base_url}/{filename}"
+    try:
+        # Agora passando os bytes corretamente para o upload
+        response = supabase.storage.from_("images").upload(storage_path, img_bytes.getvalue(), {"content-type": "image/png"})
+        
+        if response.get("error"):
+            raise Exception(f"Erro ao salvar no Supabase: {response['error']}")
+
+        base_url = f"{url}/storage/v1/object/public/images"
+        return f"{base_url}/{filename}"
+    except Exception as e:
+        print(f"❌ Erro no upload da imagem: {e}")
+        return None
 
 @spaces.GPU(duration=80)
-def run_lora(prompt, cfg_scale, steps, randomize_seed, seed, width, height, lora_scale_1, lora_scale_2, selected_lora, progress=gr.Progress(track_tqdm=True)):
-    # Define uma seed aleatória se necessário
+def run_lora(prompt, cfg_scale, steps, randomize_seed, seed, width, height, lora_scale_1, lora_scale_2, progress=gr.Progress(track_tqdm=True)):
     if randomize_seed:
         seed = random.randint(0, MAX_SEED)
     generator = torch.Generator(device="cuda").manual_seed(seed)
 
-    # Aplica os adaptadores LoRA corretamente
-    pipe.set_adapters([selected_lora], adapter_weights=[1.0])
+    # Aplica os dois LoRAs combinados
+    pipe.set_adapters(["AndroFlux", "VitorCollos"], adapter_weights=[lora_scale_1, lora_scale_2])
 
-    # Adiciona o trigger word automaticamente se necessário
-    if selected_lora in lora_models and lora_models[selected_lora]["trigger_word"]:
-        prompt = f"{lora_models[selected_lora]['trigger_word']} {prompt}"
+    # Adiciona trigger words apenas se VitorCollos estiver ativado
+    if lora_scale_2 > 0:
+        prompt = f"{lora_models['VitorCollos']['trigger_word']} {prompt}"
 
-    # Gera a imagem com o modelo
+    # Gera a imagem
     image = pipe(
         prompt=prompt,
         num_inference_steps=steps,
@@ -93,7 +98,6 @@ def run_lora(prompt, cfg_scale, steps, randomize_seed, seed, width, height, lora
     # Define um nome único para a imagem
     filename = f"image_{seed}_{datetime.utcnow().strftime('%Y%m%d%H%M%S')}.png"
 
-    # Faz upload da imagem para o Supabase Storage
     try:
         image_url = upload_image_to_supabase(image, filename)
         print(f"✅ Imagem salva no Supabase: {image_url}")
@@ -101,16 +105,17 @@ def run_lora(prompt, cfg_scale, steps, randomize_seed, seed, width, height, lora
         print(f"❌ Erro ao fazer upload da imagem: {e}")
         image_url = None
 
-    # Salva os metadados no banco de dados Supabase
-    supabase.table("images").insert({
-        "prompt": prompt,
-        "cfg_scale": cfg_scale,
-        "steps": steps,
-        "seed": seed,
-        "lora_scale_1": lora_scale_1,
-        "lora_scale_2": lora_scale_2,
-        "image_url": image_url
-    }).execute()
+    # Salva os metadados no banco de dados Supabase apenas se `image_url` for válido
+    if image_url:
+        supabase.table("images").insert({
+            "prompt": prompt,
+            "cfg_scale": cfg_scale,
+            "steps": steps,
+            "seed": seed,
+            "lora_scale_1": lora_scale_1,
+            "lora_scale_2": lora_scale_2,
+            "image_url": image_url
+        }).execute()
 
     return image, seed
 
@@ -120,30 +125,28 @@ with gr.Blocks(theme=gr_theme) as app:
     gr.Markdown("# Androflux Image Generator")
     
     with gr.Row():
-        with gr.Column(scale=2):
+        with gr.Column(scale=3):
             prompt = gr.TextArea(label="Prompt", placeholder="Digite um prompt (máx 77 caracteres)", lines=3)
             generate_button = gr.Button("Gerar")
             cfg_scale = gr.Slider(label="CFG Scale", minimum=1, maximum=20, step=0.5, value=3.5)
             steps = gr.Slider(label="Steps", minimum=1, maximum=100, step=1, value=25)
             width = gr.Slider(label="Width", minimum=256, maximum=1024, step=64, value=768)  
-            height = gr.Slider(label="Height", minimum=256, maximum=1024, step=64, value=1024)  
+            height = gr.Slider(label="Height", minimum=256, maximum=1024, step=64, value=768)  
             randomize_seed = gr.Checkbox(False, label="Randomize seed")
             seed = gr.Slider(label="Seed", minimum=0, maximum=MAX_SEED, step=1, value=556215326)
 
-            # 🔥 Certificando que os sliders estão dentro do bloco correto
-            lora_scale_1 = gr.Slider(label="LoRA Scale (AndroFlux)", minimum=0, maximum=1, step=0.01, value=0.5)
+            # Sliders para os pesos dos LoRAs
+            lora_scale_1 = gr.Slider(label="LoRA Scale (AndroFlux)", minimum=0, maximum=1, step=0.01, value=0.7)
             lora_scale_2 = gr.Slider(label="LoRA Scale (VitorCollos)", minimum=0, maximum=1, step=0.01, value=1)
 
-            selected_lora = gr.Dropdown(label="Selecionar LoRA", choices=["AndroFlux", "VitorCollos"], value="AndroFlux")
-
-        with gr.Column(scale=2):
+        with gr.Column(scale=1):
             result = gr.Image(label="Generated Image")
             gr.Markdown("Gere imagens usando Androflux LoRA e um prompt de texto.")
 
-    # 🔥 Agora os sliders são usados corretamente
+    # Botão para gerar imagem combinando os LoRAs
     generate_button.click(
         run_lora,
-        inputs=[prompt, cfg_scale, steps, randomize_seed, seed, width, height, lora_scale_1, lora_scale_2, selected_lora],
+        inputs=[prompt, cfg_scale, steps, randomize_seed, seed, width, height, lora_scale_1, lora_scale_2],
         outputs=[result, seed],
     )