import gradio as gr
import aiohttp
import asyncio
from PIL import Image
from io import BytesIO
from asyncio import Semaphore
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 = {
    "Stable Diffusion v1.5": "Yntec/stable-diffusion-v1-5",
    "Stable Diffusion v2.1": "stabilityai/stable-diffusion-2-1",
    "Stable Diffusion v3.5 Large": "stabilityai/stable-diffusion-3.5-large",
}

# Настройки
MAX_CONCURRENT_REQUESTS = 3


# Асинхронная функция для отправки запроса к API
async def query_model(prompt, model_name, model_url, semaphore):
    async with semaphore:  # Ограничиваем количество одновременно выполняемых задач
        try:
            async with aiohttp.ClientSession() as session:
                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 запросов
async def handle(prompt):
    semaphore = Semaphore(MAX_CONCURRENT_REQUESTS)  # Создаём локальный семафор
    tasks = [
        query_model(prompt, model_name, model_url, semaphore)
        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():
        gr.Markdown(
            """
            ### Поддержка проекта
            - [Telegram](https://t.me/mlphys)
            - [GitHub](https://github.com/freQuensy23-coder)
            """
        )

demo.launch()