🌸 Powered by Diffusers & Gradio | 🤗 Hugging Face Spaces
⚠️ CPU 모드에서는 이미지 생성에 2-5분 정도 소요됩니다.
첫 실행 시 모델 다운로드로 인해 시간이 더 걸릴 수 있습니다.
""")
return demo
# ================================
# REST API 엔드포인트 정의
# ================================
# API 요청/응답 모델 정의
class GenerateRequest(BaseModel):
"""텍스트 → 이미지 생성 요청"""
prompt: str = Field(..., description="이미지 생성 프롬프트")
model_name: str = Field(default="🎨 Mistoon Anime V3 (카툰풍 애니메이션)", description="사용할 모델 이름")
negative_prompt: str = Field(default="", description="네거티브 프롬프트")
num_inference_steps: int = Field(default=25, ge=10, le=50, description="추론 스텝 수")
guidance_scale: float = Field(default=7.5, ge=1.0, le=15.0, description="CFG 스케일")
width: int = Field(default=512, ge=256, le=768, description="이미지 너비")
height: int = Field(default=512, ge=256, le=768, description="이미지 높이")
seed: int = Field(default=-1, description="시드 값 (-1이면 랜덤)")
class Img2ImgRequest(BaseModel):
"""이미지 → 이미지 변환 요청"""
image_base64: str = Field(..., description="입력 이미지 (Base64 인코딩)")
prompt: str = Field(..., description="변환 프롬프트")
model_name: str = Field(default="🎨 Mistoon Anime V3 (카툰풍 애니메이션)", description="사용할 모델 이름")
negative_prompt: str = Field(default="", description="네거티브 프롬프트")
strength: float = Field(default=0.75, ge=0.1, le=1.0, description="변환 강도")
num_inference_steps: int = Field(default=25, ge=10, le=50, description="추론 스텝 수")
guidance_scale: float = Field(default=7.5, ge=1.0, le=15.0, description="CFG 스케일")
seed: int = Field(default=-1, description="시드 값 (-1이면 랜덤)")
class GenerateResponse(BaseModel):
"""이미지 생성 응답"""
success: bool
message: str
image_base64: Optional[str] = None
seed: Optional[int] = None
class ModelsResponse(BaseModel):
"""모델 목록 응답"""
models: list[str]
# FastAPI 앱 생성
api_app = FastAPI(
title="Anime Diffusion API",
description="애니메이션 스타일 이미지 생성 REST API (txt2img + img2img)",
version="2.0.0"
)
# CORS 설정 추가 (외부 호출 허용)
api_app.add_middleware(
CORSMiddleware,
allow_origins=["*"],
allow_credentials=True,
allow_methods=["*"],
allow_headers=["*"],
)
@api_app.get("/api/models", response_model=ModelsResponse)
async def get_models():
"""사용 가능한 모델 목록 조회"""
return ModelsResponse(models=list(MODELS.keys()))
@api_app.post("/api/generate", response_model=GenerateResponse)
async def api_generate_txt2img(request: GenerateRequest):
"""
텍스트 → 이미지 생성 API
프롬프트를 전달하면 Base64로 인코딩된 이미지를 반환합니다.
"""
global pipe
if not request.prompt.strip():
raise HTTPException(status_code=400, detail="프롬프트를 입력해주세요")
if request.model_name not in MODELS:
raise HTTPException(status_code=400, detail=f"알 수 없는 모델입니다. 사용 가능한 모델: {list(MODELS.keys())}")
# 모델 로드
pipe, status = load_model(request.model_name, "txt2img")
if pipe is None:
raise HTTPException(status_code=500, detail=status)
# 네거티브 프롬프트 설정
if request.negative_prompt.strip():
full_negative = f"{request.negative_prompt}, {DEFAULT_NEGATIVE}"
else:
full_negative = DEFAULT_NEGATIVE
# 시드 설정
seed = request.seed
if seed == -1:
seed = torch.randint(0, 2**32 - 1, (1,)).item()
generator = torch.Generator(device=DEVICE).manual_seed(int(seed))
try:
print(f"🎨 [API txt2img] 이미지 생성 중... 프롬프트: {request.prompt[:50]}...")
result = pipe(
prompt=request.prompt,
negative_prompt=full_negative,
num_inference_steps=request.num_inference_steps,
guidance_scale=request.guidance_scale,
width=request.width,
height=request.height,
generator=generator
)
image = result.images[0]
# 이미지를 Base64로 인코딩
buffer = io.BytesIO()
image.save(buffer, format="PNG")
buffer.seek(0)
image_base64 = base64.b64encode(buffer.getvalue()).decode("utf-8")
print(f"✅ [API txt2img] 이미지 생성 완료! (시드: {seed})")
return GenerateResponse(
success=True,
message="이미지 생성 완료",
image_base64=image_base64,
seed=seed
)
except Exception as e:
print(f"❌ [API txt2img] 이미지 생성 실패: {e}")
raise HTTPException(status_code=500, detail=str(e))
@api_app.post("/api/img2img", response_model=GenerateResponse)
async def api_generate_img2img(request: Img2ImgRequest):
"""
이미지 → 이미지 변환 API
Base64 이미지와 프롬프트를 전달하면 변환된 이미지를 반환합니다.
"""
global pipe
if not request.prompt.strip():
raise HTTPException(status_code=400, detail="프롬프트를 입력해주세요")
if request.model_name not in MODELS:
raise HTTPException(status_code=400, detail=f"알 수 없는 모델입니다. 사용 가능한 모델: {list(MODELS.keys())}")
# Base64 이미지 디코딩
try:
image_data = base64.b64decode(request.image_base64)
input_image = Image.open(io.BytesIO(image_data)).convert("RGB")
except Exception as e:
raise HTTPException(status_code=400, detail=f"이미지 디코딩 실패: {str(e)}")
# 모델 로드 (img2img)
pipe, status = load_model(request.model_name, "img2img")
if pipe is None:
raise HTTPException(status_code=500, detail=status)
# 네거티브 프롬프트 설정
if request.negative_prompt.strip():
full_negative = f"{request.negative_prompt}, {DEFAULT_NEGATIVE}"
else:
full_negative = DEFAULT_NEGATIVE
# 시드 설정
seed = request.seed
if seed == -1:
seed = torch.randint(0, 2**32 - 1, (1,)).item()
generator = torch.Generator(device=DEVICE).manual_seed(int(seed))
try:
print(f"🖼️ [API img2img] 이미지 변환 중... 프롬프트: {request.prompt[:50]}...")
# 이미지 크기를 64의 배수로 조정
w, h = input_image.size
w = (w // 64) * 64
h = (h // 64) * 64
if w == 0:
w = 512
if h == 0:
h = 512
input_image = input_image.resize((w, h), Image.LANCZOS)
result = pipe(
prompt=request.prompt,
image=input_image,
negative_prompt=full_negative,
strength=request.strength,
num_inference_steps=request.num_inference_steps,
guidance_scale=request.guidance_scale,
generator=generator
)
image = result.images[0]
# 이미지를 Base64로 인코딩
buffer = io.BytesIO()
image.save(buffer, format="PNG")
buffer.seek(0)
image_base64 = base64.b64encode(buffer.getvalue()).decode("utf-8")
print(f"✅ [API img2img] 이미지 변환 완료! (시드: {seed})")
return GenerateResponse(
success=True,
message="이미지 변환 완료",
image_base64=image_base64,
seed=seed
)
except Exception as e:
print(f"❌ [API img2img] 이미지 변환 실패: {e}")
raise HTTPException(status_code=500, detail=str(e))
@api_app.get("/api/health")
async def health_check():
"""서버 상태 확인"""
return {
"status": "healthy",
"device": DEVICE,
"model_loaded": current_model_id is not None,
"pipeline_type": current_pipeline_type
}
# ================================
# 메인 실행
# ================================
if __name__ == "__main__":
print("🌸 Anime Diffusion WebUI + API 시작...")
print(" - txt2img: 텍스트 → 이미지 생성")
print(" - img2img: 이미지 → 이미지 변환")
# Gradio 앱 생성
demo = create_interface()
# FastAPI에 Gradio 마운트
app = gr.mount_gradio_app(api_app, demo, path="/")
# uvicorn으로 통합 서버 실행
import uvicorn
print("📡 API 문서: http://localhost:7860/docs")
print("🌐 웹 UI: http://localhost:7860/")
uvicorn.run(app, host="0.0.0.0", port=7860)