app.py

import gradio as gr
import numpy as np
import torch
from huggingface_hub import list_models, ModelFilter
from diffusers import DiffusionPipeline

# Проверка доступности модели на Hugging Face Hub
def is_model_available(model_id):
    try:
        models = list_models(filter=ModelFilter(model_name=model_id))
        return len(models) > 0
    except Exception:
        return False

def validate_model(model_id):
    if not model_id:
        raise ValueError("Необходимо указать модель")
    
    if not is_model_available(model_id):
        raise ValueError(f"Модель '{model_id}' не найдена на Hugging Face Hub")
    
    # Дополнительные проверки модели (можно настроить)
    if not ("stable-diffusion" in model_id.lower() or "sdxl" in model_id.lower()):
        raise ValueError("Поддерживаются только Stable Diffusion и SDXL модели")

# Инициализация устройства
device = "cuda" if torch.cuda.is_available() else "cpu"
torch_dtype = torch.float16 if torch.cuda.is_available() else torch.float32

# Глобальные переменные
current_model = None
pipe = None

def load_pipeline(model_id):
    global pipe, current_model
    if model_id != current_model:
        validate_model(model_id)
        pipe = DiffusionPipeline.from_pretrained(model_id, torch_dtype=torch_dtype)
        pipe = pipe.to(device)
        current_model = model_id
    return pipe

def infer(
    model_id,
    prompt,
    negative_prompt,
    seed,
    width,
    height,
    guidance_scale,
    num_inference_steps,
    progress=gr.Progress(track_tqdm=True),
):
    try:
        # Загрузка и проверка модели
        pipeline = load_pipeline(model_id)
        
        # Генерация изображения
        generator = torch.Generator(device=device).manual_seed(seed)
        
        result = pipeline(
            prompt=prompt,
            negative_prompt=negative_prompt,
            width=width,
            height=height,
            guidance_scale=guidance_scale,
            num_inference_steps=num_inference_steps,
            generator=generator,
        ).images[0]
        
        return result, seed
    
    except Exception as e:
        raise gr.Error(f"Ошибка генерации: {str(e)}")

# Список доступных моделей по умолчанию
available_models = [
    "stabilityai/stable-diffusion-2-1",
    "stabilityai/sdxl-turbo",
    "runwayml/stable-diffusion-v1-5",
    "prompthero/openjourney-v4"
]

examples = [
    ["stabilityai/sdxl-turbo", "Astronaut in a jungle, cold color palette, muted colors, detailed, 8k"],
    ["runwayml/stable-diffusion-v1-5", "An astronaut riding a green horse"],
    ["prompthero/openjourney-v4", "A cyberpunk cityscape at night, neon lights, rain"],
]

css = """
#col-container {
    margin: 0 auto;
    max-width: 640px;
}
"""

with gr.Blocks(css=css) as demo:
    with gr.Column(elem_id="col-container"):
        gr.Markdown("# 🎨 Text-to-Image Generator")
        
        with gr.Row():
            model_id = gr.Dropdown(
                label="Выберите или введите модель",
                choices=available_models,
                value="stabilityai/sdxl-turbo",
                allow_custom_value=True,
                scale=3
            )
            
        prompt = gr.Textbox(
            label="Промпт",
            placeholder="Введите описание изображения...",
            lines=2
        )
        
        negative_prompt = gr.Textbox(
            label="Негативный промпт",
            placeholder="Что исключить из изображения...",
            lines=2
        )
        
        with gr.Accordion("Настройки генерации", open=False):
            with gr.Row():
                seed = gr.Slider(0, 2147483647, value=42, label="Сид")
                guidance_scale = gr.Slider(0.0, 20.0, value=7.5, label="Guidance Scale")
            
            with gr.Row():
                width = gr.Slider(256, 1024, value=512, step=64, label="Ширина")
                height = gr.Slider(256, 1024, value=512, step=64, label="Высота")
            
            num_inference_steps = gr.Slider(1, 100, value=20, step=1, label="Шаги генерации")

        generate_btn = gr.Button("Сгенерировать", variant="primary")
        
        output_image = gr.Image(label="Результат", show_label=False)
        used_seed = gr.Number(label="Использованный сид", visible=True)

        gr.Examples(
            examples=examples,
            inputs=[model_id, prompt],
            outputs=[output_image, used_seed],
            fn=infer,
            cache_examples=True,
            label="Примеры"
        )

    generate_btn.click(
        fn=infer,
        inputs=[
            model_id,
            prompt,
            negative_prompt,
            seed,
            width,
            height,
            guidance_scale,
            num_inference_steps,
        ],
        outputs=[output_image, used_seed]
    )

if __name__ == "__main__":
    demo.launch()