Update app.py

app.py

@@ -2,46 +2,51 @@ import gradio as gr
 from gradio_client import Client
 
 def get_caption(image_in):
+    # Correct indentation before client initialization
     client = Client("https://vikhyatk-moondream1.hf.space/")
-  results = client.predict(
-        prompt,  # existing parameters
-        num_images=4,  # New parameter to request 4 images. This parameter may be different for the actual API.
+    
+    # Align the call to 'client.predict' with the line above
+    # Also, the parameter 'prompt' is not defined in 'get_caption'. 
+    # It should be 'image_in' to match the function signature.
+    results = client.predict(
+        image_in,  # Use the 'image_in' parameter as input to the model
+        "Describe the image",  # Assuming this is a constant parameter for the model
+        api_name="/answer_question"
     )
-    # Print and return the results assuming it contains 4 images
+    # Print and return the results assuming it contains the description
     print(results)
-    return results[:4]  # Return first 4 images in case the API returns more
+    return results
 
 def get_lcm(prompt):
     client = Client("https://latent-consistency-lcm-lora-for-sdxl.hf.space/")
-    # 'client.predict' 호출에서 들여쓰기가 올바른지 확인해야 합니다.
+    
+    # Consistent indentation for 'client.predict' call
     results = client.predict(
         prompt,  # 'parameter_5' 텍스트박스 컴포넌트의 문자열
         0.3,     # 'Guidance' 슬라이더 컴포넌트의 0.0과 5 사이의 부동소수점 값
         8,       # 'Steps' 슬라이더 컴포넌트의 2와 10 사이의 부동소수점 값
         0,       # 'Seed' 슬라이더 컴포넌트의 0과 12013012031030 사이의 부동소수점 값
         True,    # 'Randomize' 체크박스 컴포넌트의 불리언 값
-        # 필요한 경우 여기에 더 많은 파라미터를 추가할 수 있습니다.
         api_name="/predict"
     )
-    # 결과 처리 및 여러 이미지가 필요한 경우 여러 번 'predict'를 호출할 수 있습니다.
+    
+    # Process results and possibly call predict multiple times if multiple images are needed
     print(results)
-    return results  # 실제 반환값을 위한 플레이스홀더, 여러 예측을 모으는 것을 고려해 보세요.
-
-# 코드의 나머지 부분이 일관된 들여쓰기를 유지하면서 작성됩니다.
+    return results  # 실제 API 응답에 기반한 반환 구문
 
 def infer(image_in):
     caption = get_caption(image_in)
     img_var = get_lcm(caption)
     return img_var
 
-gr.Interface(
-    title = "ArXivGPT Image",
-    description = "Image to Image variation, using LCM SDXL & Moondream1",
-    fn = infer,
-    inputs = [
-        gr.Image(type="filepath", label="Image input")
-    ],
-    outputs = [
-        gr.Image(label="Image variation")
-    ]
-).queue(max_size=25).launch()
+# Create an Interface object with proper parameters
+interface = gr.Interface(
+    title="ArXivGPT Image",
+    description="Image to Image variation, using LCM SDXL & Moondream1",
+    fn=infer,
+    inputs=gr.Image(type="filepath", label="Image input"),
+    outputs=gr.Image(label="Image variation")
+)
+
+# Launch the interface
+interface.queue(max_size=25).launch()