import gradio as gr
import torch
from PIL import Image
import numpy as np
from clip_interrogator import Config, Interrogator
import logging
import os
from datetime import datetime
import json
# Configurar logging
logging.basicConfig(level=logging.INFO)
logger = logging.getLogger(__name__)
# Configuración de modelos
CLIP_MODELS = {
"general": "ViT-L-14/openai",
"flux": "ViT-L-14/openai",
"midjourney": "ViT-H-14/laion2b_s32b_b79k",
"stable_diffusion": "ViT-L-14/openai"
}
# Modos de interrogación
INTERROGATION_MODES = {
"fast": "Rápido (menos detallado)",
"classic": "Clásico (equilibrado)",
"best": "Mejor (más detallado)",
"negative": "Negativo (lo que NO es)"
}
class ImagePromptGenerator:
def __init__(self):
self.interrogators = {}
self.usage_count = 0
self.setup_models()
def setup_models(self):
"""Inicializar modelos CLIP Interrogator"""
try:
logger.info("Inicializando modelos CLIP...")
# Configurar modelo principal primero
config = Config(
clip_model_name="ViT-L-14/openai",
download_cache=True,
chunk_size=2048,
quiet=False
)
self.interrogators["general"] = Interrogator(config)
logger.info("Modelo general inicializado")
except Exception as e:
logger.error(f"Error inicializando modelos: {e}")
# Fallback simple
config = Config(clip_model_name="ViT-L-14/openai")
self.interrogators["general"] = Interrogator(config)
def generate_prompt(self, image, model_type="general", mode="best"):
"""Generar prompt desde imagen"""
try:
if image is None:
return "❌ Por favor, sube una imagen primero.", ""
# Incrementar contador de uso
self.usage_count += 1
# Convertir imagen
if isinstance(image, np.ndarray):
image = Image.fromarray(image)
elif not isinstance(image, Image.Image):
image = Image.open(image)
# Asegurar RGB
if image.mode != 'RGB':
image = image.convert('RGB')
# Usar interrogator general por ahora
interrogator = self.interrogators["general"]
# Generar prompt según el modo
if mode == "fast":
prompt = interrogator.interrogate_fast(image)
elif mode == "classic":
prompt = interrogator.interrogate_classic(image)
else: # best y negative
prompt = interrogator.interrogate(image)
# Información adicional
info = f"""
**✅ Prompt generado exitosamente con IA para todos**
- **Modelo:** {model_type.title()}
- **Modo:** {INTERROGATION_MODES.get(mode, mode)}
- **Usos totales:** {self.usage_count}
- **Hora:** {datetime.now().strftime('%H:%M:%S')}
*"Porque cuando no tienes nada en la cabeza, te preocupas de la tipografía?"* 😄
"""
return prompt, info
except Exception as e:
logger.error(f"Error generando prompt: {e}")
error_msg = f"❌ Error: {str(e)}"
error_info = "*Cuando falla la IA, al menos la tipografía sigue siendo bonita* 📝"
return error_msg, error_info
# Inicializar generador
generator = ImagePromptGenerator()
def process_image(image, model_type, mode):
"""Función principal para procesar imagen"""
prompt, info = generator.generate_prompt(image, model_type, mode)
return prompt, info
# Crear interfaz Gradio
def create_interface():
# CSS personalizado para mejor tipografía
custom_css = """
.gradio-container {
max-width: 1200px !important;
font-family: 'Inter', 'Segoe UI', Tahoma, Geneva, Verdana, sans-serif;
}
.prompt-output {
font-family: 'JetBrains Mono', 'Courier New', monospace !important;
font-size: 14px !important;
line-height: 1.6 !important;
background: #f8f9fa !important;
border-radius: 8px !important;
padding: 16px !important;
}
.main-title {
text-align: center;
background: linear-gradient(135deg, #667eea 0%, #764ba2 100%);
-webkit-background-clip: text;
-webkit-text-fill-color: transparent;
font-size: 2.5em !important;
font-weight: bold !important;
margin-bottom: 0.5em !important;
}
.subtitle {
text-align: center;
font-style: italic;
color: #666;
font-size: 1.1em;
margin-bottom: 2em;
}
"""
with gr.Blocks(
theme=gr.themes.Soft(),
title="IA para todos - Image to Prompt",
css=custom_css
) as interface:
# Header personalizado
gr.HTML("""
🤖 IA para todos
""")
gr.HTML("""
"Porque cuando no tienes nada en la cabeza, te preocupas de la tipografía?"
""")
gr.Markdown("""
### 🎨 Convierte cualquier imagen en prompts detallados para IA
Sube una imagen y obtén prompts optimizados para Stable Diffusion, Midjourney, Flux y más.
""")
with gr.Row():
with gr.Column(scale=1):
# Input section
gr.Markdown("## 📤 Subir Imagen")
image_input = gr.Image(
label="Arrastra o selecciona una imagen",
type="pil",
height=300
)
# Configuración
gr.Markdown("## ⚙️ Configuración")
model_selector = gr.Dropdown(
choices=["general", "stable_diffusion", "midjourney", "flux"],
value="general",
label="Modelo de IA objetivo",
info="Selecciona la plataforma donde usarás el prompt"
)
mode_selector = gr.Dropdown(
choices=["fast", "classic", "best"],
value="best",
label="Modo de análisis",
info="Equilibrio entre velocidad y precisión"
)
# Botón generar
generate_btn = gr.Button(
"🚀 Generar Prompt Mágico",
variant="primary",
size="lg"
)
with gr.Column(scale=1):
# Output section
gr.Markdown("## 📝 Tu Prompt Está Listo")
prompt_output = gr.Textbox(
label="Prompt generado (listo para copiar)",
placeholder="Tu prompt aparecerá aquí... ✨",
lines=8,
max_lines=15,
elem_classes=["prompt-output"],
show_copy_button=True
)
info_output = gr.Markdown(
label="Información del proceso",
value=""
)
# Botones de acción
with gr.Row():
clear_btn = gr.Button("🗑️ Limpiar", size="sm")
# Footer con tu frase
gr.Markdown("""
---
### 💡 Consejos de Uso:
- **General:** Para prompts universales que funcionan en cualquier lado
- **Stable Diffusion:** Optimizado para SD 1.x, SDXL y derivados
- **Midjourney:** Perfecto para estilos artísticos y creativos
- **Flux:** Para el revolucionario modelo Flux de Black Forest Labs
### 🔧 Modos de Análisis:
- **Rápido:** Análisis express, menos detallado pero veloz ⚡
- **Clásico:** El equilibrio perfecto entre velocidad y calidad ⚖️
- **Mejor:** Máxima precisión y detalle (recomendado) ⭐
---
### 🎭 Hecho con amor (y buena tipografía) por IA para todos
*"La IA nos ayuda con las ideas, nosotros nos preocupamos de que se vean bonitas"* ✨
""")
# Event handlers
generate_btn.click(
fn=process_image,
inputs=[image_input, model_selector, mode_selector],
outputs=[prompt_output, info_output]
)
clear_btn.click(
fn=lambda: ("", ""),
outputs=[prompt_output, info_output]
)
return interface
# Lanzar aplicación
if __name__ == "__main__":
interface = create_interface()
interface.launch(
server_name="0.0.0.0",
server_port=7860,
show_error=True
)