import gradio as gr
import asyncio
from PIL import Image
from io import BytesIO
from huggingface_hub import AsyncInferenceClient
from dotenv import load_dotenv
import os

# Загрузка токена из .env файла
load_dotenv()
API_TOKEN = os.getenv("HF_API_TOKEN")

# Конфигурация моделей
MODELS = {
    "Midjourney": "Jovie/Midjourney",
    "FLUX.1 [dev]": "black-forest-labs/FLUX.1-dev",
    "Stable Diffusion v2.1": "stabilityai/stable-diffusion-2-1",
    "Stable Diffusion v3.5 Large": "stabilityai/stable-diffusion-3.5-large",
    "Stable Diffusion v1.0 Large": "stabilityai/stable-diffusion-xl-base-1.0",
    "Leonardo AI": "goofyai/Leonardo_Ai_Style_Illustration",
}

# Инициализация клиента
client = AsyncInferenceClient(token=API_TOKEN)


# Асинхронная функция для отправки запроса к API
async def query_model(prompt, model_name, model_url):
    try:
        response = await client.text_to_image(
            prompt=prompt, model=model_url, stream=False
        )
        # Декодирование изображения
        image_data = response["images"][0]
        image = Image.open(BytesIO(image_data))
        return model_name, image
    except Exception as e:
        print(f"Ошибка для модели {model_name}: {e}")
        return model_name, None


# Асинхронная обработка запросов
async def handle(prompt):
    tasks = [
        query_model(prompt, model_name, model_url)
        for model_name, model_url in MODELS.items()
    ]
    results = await asyncio.gather(*tasks)
    return {model_name: image for model_name, image in results if image}


# Интерфейс Gradio
with gr.Blocks() as demo:
    gr.Markdown("## Генерация изображений с использованием моделей Hugging Face")

    # Поле ввода
    user_input = gr.Textbox(label="Введите описание изображения", placeholder="Например, 'Красный автомобиль в лесу'")

    # Вывод изображений
    with gr.Row():
        outputs = {name: gr.Image(label=name) for name in MODELS.keys()}

    # Кнопка генерации
    generate_button = gr.Button("Сгенерировать")

    # Асинхронная обработка ввода
    async def on_submit(prompt):
        results = await handle(prompt)
        return [results.get(name, None) for name in MODELS.keys()]

    generate_button.click(
        fn=on_submit,
        inputs=[user_input],
        outputs=list(outputs.values()),
    )
    user_input.submit(
        fn=on_submit,
        inputs=[user_input],
        outputs=list(outputs.values()),
    )

    # Ссылки на соцсети
    with gr.Row():
        with gr.Column(scale=1):
            gr.Image(value="icon.jpg")
        with gr.Column(scale=4):
            gr.HTML(
                """<div style="text-align: center; font-family: 'Helvetica Neue', sans-serif; padding: 10px; color: #333333;">
        <p style="font-size: 18px; font-weight: 600; margin-bottom: 8px;">
            Эта демка была создана телеграм каналом <strong style="color: #007ACC;"><a href='https://t.me/mlphys'> mlphys</a></strong>. Другие мои социальные сети:
        </p>
        <p style="font-size: 16px;">
            <a href="https://t.me/mlphys" target="_blank" style="color: #0088cc; text-decoration: none; font-weight: 500;">Telegram</a> |
            <a href="https://x.com/quensy23" target="_blank" style="color: #1DA1F2; text-decoration: none; font-weight: 500;">Twitter</a> |
            <a href="https://github.com/freQuensy23-coder"  target="_blank" style="color: #0088cc; text-decoration: none; font-weight: 500;">GitHub</a>
        </p>
    </div>"""
            )

demo.launch()