appxx.py

import gradio as gr
from PIL import Image
import torch
from diffusers import StableDiffusionImg2ImgPipeline
import spaces

# Función para inicializar el pipeline de Stable Diffusion utilizando GPU
@spaces.GPU(duration=120)  # Solicita el uso de GPU por 120 minutos
def initialize_pipeline():
    device = "cuda" if torch.cuda.is_available() else "cpu"
    model_id = "CompVis/stable-diffusion-v1-4"  # Cambia esto al ID del modelo adecuado
    try:
        pipe = StableDiffusionImg2ImgPipeline.from_pretrained(model_id).to(device)
    except ValueError as e:
        return f"Error cargando el pipeline: {e}"
    return pipe

# Configuración inicial del modelo
pipe = None

def setup_pipeline():
    global pipe
    if pipe is None:
        pipe = initialize_pipeline()

def cartoonize_image(image, prompt):
    setup_pipeline()  # Asegúrate de que el pipeline esté inicializado
    
    try:
        # Preprocesar imagen
        image = image.convert("RGB")
        image = image.resize((512, 512))  # Ajusta el tamaño según sea necesario

        # Generar imagen con Stable Diffusion Img2Img
        with torch.no_grad():
            result = pipe(prompt=prompt, init_image=image, strength=0.75).images[0]
        
        return result
    except Exception as e:
        return f"Error procesando la imagen: {e}"

def main():
    with gr.Blocks() as demo:
        gr.Markdown("## Conversión de Imagen a Caricatura Estilo Pixar")
        
        with gr.Row():
            with gr.Column():
                input_image = gr.Image(type="pil", label="Sube tu imagen")
                prompt = gr.Textbox(label="Prompt", value="A Pixar-style cartoon character")
                
                with gr.Row():
                    submit_button = gr.Button("Submit")
                    stop_button = gr.Button("Stop")
                
                output_image = gr.Image(type="pil", label="Imagen Caricaturizada")
        
        def process_image(image, prompt):
            return cartoonize_image(image, prompt)
        
        submit_button.click(
            fn=process_image,
            inputs=[input_image, prompt],
            outputs=output_image
        )
        
        # La funcionalidad de stop en un entorno de Gradio no se puede manejar fácilmente,
        # pero puedes usar controladores adicionales o lógica para detener la ejecución si es necesario.
        stop_button.click(
            fn=lambda: "El proceso ha sido detenido",  # Mensaje de placeholder
            outputs=output_image
        )
        
    demo.launch()

if __name__ == "__main__":
    main()