app.py

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

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

# Конфигурация API
HEADERS = {"Authorization": f"Bearer {API_TOKEN}"}
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",
}

# Асинхронная функция для отправки запроса к API
async def query_model(prompt, model_name, model_url, session):
    try:
        async with session.post(
            f"https://api-inference.huggingface.co/models/{model_url}",
            headers=HEADERS,
            json={"inputs": prompt},
        ) as response:
            if response.status == 200:
                image_data = await response.read()
                return model_name, Image.open(BytesIO(image_data))
            else:
                error_message = await response.json()
                warnings = error_message.get("warnings", [])
                print(f"Ошибка для модели {model_name}: {error_message.get('error', 'unknown error')}")
                if warnings:
                    print(f"Предупреждения для модели {model_name}: {warnings}")
                return model_name, None
    except Exception as e:
        print(f"Ошибка соединения с моделью {model_name}: {e}")
        return model_name, None

# Асинхронная обработка всех запросов
async def handle(prompt):
    async with aiohttp.ClientSession() as session:  # Создаём единый клиент для всех запросов
        tasks = [
            query_model(prompt, model_name, model_url, session)
            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()}

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

    # Кнопка генерации
    generate_button = gr.Button("Сгенерировать")
    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.Markdown("""
                ### Поддержка проекта
                - [Telegram](https://t.me/mlphys)
                - [GitHub](https://github.com/freQuensy23-coder)
            """)

demo.launch()