Update app.py

app.py

@@ -15,6 +15,7 @@ logger = logging.getLogger(__name__)
 TOGETHER_API_KEY = os.environ.get("TOGETHER_API_KEY")
 
 # Das FLUX-Modell, das du über Together.ai nutzen möchtest
+# KORREKTER MODELLNAME FÜR FLUX.1-dev-lora
 FLUX_MODEL = "black-forest-labs/FLUX.1-dev-lora"
 
 # Initialisiere den Together.ai Client
@@ -46,10 +47,9 @@ def generate_image(prompt: str, steps: int = 10, n_images: int = 1) -> list[Imag
     if not prompt:
         return "Bitte geben Sie einen Prompt ein."
 
-    # Zusätzliche Validierung für Schritte, falls der Slider-Wert das API-Limit überschreitet
-    if not (1 <= steps <= 4):
-        logger.error(f"Fehler: Schritte ({steps}) müssen zwischen 1 und 4 liegen.")
-        return "Fehler: Die Anzahl der Schritte muss zwischen 1 und 4 liegen."
+    # Hinweis: FLUX.1-dev-lora erlaubt wahrscheinlich mehr Schritte als die 'schnell-Free'-Version.
+    # Hier keine feste Validierung mehr, da der Slider dies steuern sollte.
+    # Eine clientseitige Validierung ist nur sinnvoll, wenn die API-Doku des Modells das explizit erfordert.
 
     try:
         logger.info(f"Versuche, Bildgenerierung mit Modell {FLUX_MODEL} zu starten über client.images.generate()...")
@@ -62,10 +62,8 @@ def generate_image(prompt: str, steps: int = 10, n_images: int = 1) -> list[Imag
         logger.info(f"Bildgenerierung erfolgreich angefordert. Antwort-Typ: {type(response)}")
 
         images = []
-        # Überprüfen, ob 'data' Attribut existiert und iterierbar ist
         if hasattr(response, 'data') and isinstance(response.data, list):
             for i, image_data in enumerate(response.data):
-                # Überprüfen, ob 'b64_json' Attribut existiert und nicht None ist
                 if hasattr(image_data, 'b64_json') and image_data.b64_json is not None:
                     try:
                         img_bytes = base64.b64decode(image_data.b64_json)
@@ -73,13 +71,12 @@ def generate_image(prompt: str, steps: int = 10, n_images: int = 1) -> list[Imag
                         images.append(img)
                     except Exception as decode_e:
                         logger.error(f"FEHLER beim Dekodieren von Bild {i}: {decode_e}", exc_info=True)
-                        # Optional: Dummy-Bild oder Fehlermeldung für dieses spezifische Bild hinzufügen
                 else:
                     logger.warning(f"Warnung: Bilddaten {i} enthalten kein 'b64_json' oder es ist None.")
             
             if not images:
                 logger.warning("Keine Bilder erfolgreich dekodiert oder erhalten.")
-                return "Keine Bilder generiert. Möglicherweise ungültige Prompt-Antwort oder API-Problem."
+                return "Keine Bilder generiert. Möglicherweise ungültige Prompt-Antwort, API-Problem oder Guthaben aufgebraucht."
             
             return images
         else:
@@ -88,33 +85,32 @@ def generate_image(prompt: str, steps: int = 10, n_images: int = 1) -> list[Imag
 
     except Exception as e:
         logger.error(f"FEHLER bei der Bildgenerierung: {e}", exc_info=True)
-        # Zusätzliche Info, falls es ein Problem mit dem Together.ai-Guthaben gibt
         if "rate limit" in str(e).lower() or "billing" in str(e).lower():
-            return f"Fehler bei der Bildgenerierung: {e}. Dein Together.ai API-Limit wurde möglicherweise erreicht oder dein Guthaben ist aufgebraucht."
+            return f"Fehler bei der Bildgenerierung: {e}. Dein Together.ai API-Limit wurde möglicherweise erreicht oder dein Guthaben ist aufgebrauch."
         return f"Fehler bei der Bildgenerierung: {e}. Versuche es später erneut."
 
-# --- Gradio Interface Definition (Bleibt unverändert) ---
+# --- Gradio Interface Definition ---
 with gr.Blocks() as demo:
     gr.Markdown(
         """
-        # FLUX.1 [dev]Lora Bildgenerator
-        Generiere Bilder mit dem FLUX.1-Modell von Black Forest Labs über Learn.Create.Repeat.
+        # FLUX.1 Dev LORA Bildgenerator
+        Generiere Bilder mit dem FLUX.1 Dev LORA-Modell von Black Forest Labs über Learn.Create.Repeat.
         """
     )
     with gr.Row():
         with gr.Column():
             prompt_input = gr.Textbox(
                 label="Prompt",
-                placeholder="Gib deinen Prompt hier ein, z.B. 'Tollwütgier Maulwurf mit Axt in der Hand in schwedischer Blockhütte.'",
+                placeholder="Gib deinen Prompt hier ein. Denke an mögliche Trigger-Words für das LORA-Modell!",
                 lines=3
             )
             steps_slider = gr.Slider(
                 minimum=1,
-                maximum=4,
-                value=4,
+                maximum=50,   # <-- ANGEPASST für Dev-Modell
+                value=25,     # <-- ANGEPASST für Dev-Modell
                 step=1,
                 label="Schritte (Steps)",
-                info="Die Anzahl der Schritte muss zwischen 1 und 4 liegen für FLUX.1 [schnell]."
+                info="Höhere Schritte können die Qualität verbessern, erhöhen aber die Generierungszeit."
             )
             num_images_slider = gr.Slider(
                 minimum=1,