Update app.py

app.py

@@ -1,94 +1,46 @@
-import torch, random, gc, numpy as np
-import gradio as gr
-from diffusers import StableDiffusionXLPipeline, EulerAncestralDiscreteScheduler
-from PIL import Image
-import os
+import torch
+from diffusers import AutoPipelineForText2Image
 
-# --- 1. Load Model (Free Tier HF) ---
-device = "cuda" if torch.cuda.is_available() else "cpu"
-model_id = "stablediffusionapi/pony-diffusion-v6-xl"
+# การตั้งค่าเบื้องต้น
+model_id = "stabilityai/sdxl-turbo"
 
-pipe = StableDiffusionXLPipeline.from_pretrained(
+# 1. โหลดโมเดล
+# ใช้ torch.float32 สำหรับ CPU เพื่อความเสถียรสูงสุด (CPU บางตัวไม่รองรับ half-precision ได้ดี)
+# low_cpu_mem_usage=True จะช่วยลดการกระชากของ RAM ตอนโหลดโมเดล (ต้องมี accelerate library)
+pipe = AutoPipelineForText2Image.from_pretrained(
     model_id,
-    torch_dtype=torch.float16 if device == "cuda" else torch.float32,
-    variant="fp16",
+    torch_dtype=torch.float32, 
+    variant="fp16", # โหลด weight แบบ fp16 เพื่อลดขนาดไฟล์ดาวน์โหลด แต่รันจริงบน float32
     use_safetensors=True
-).to(device)
-
-pipe.scheduler = EulerAncestralDiscreteScheduler.from_config(pipe.scheduler.config)
-pipe.enable_vae_tiling()
-pipe.enable_vae_slicing()
-
-# --- 2. Generate Function ---
-def generate_single(prompt, neg_prompt, steps, cfg, seed, size_preset, style_preset, file_format):
-    torch.cuda.empty_cache()
-    gc.collect()
-
-    style_map = {
-        "None (ค่าดั้งเดิม)": "raw photo.cute.high resolution",
-        "Realistic Photo (ดิบๆ)": "raw photo, (photorealistic:1.3), high fidelity, skin pores, film grain, Fujifilm, ",
-        "Cinematic Real (แสงสวย)": "cinematic film still, shallow depth of field, dramatic lighting, highly detailed skin, 8k uhd, ",
-        "3D Realistic (เนียนกริบ)": "super-realistic.realistic render,real human, octane render, soft global illumination, ",
-        "Semi-Real (นวลตา)": "semi-realistic, digital concept art, smooth skin, detailed lighting, ",
-        "Portrait Real (เน้นหน้า)": "close up portrait, highly detailed eyes, skin texture, dslr, soft natural light, ",
-        "สไตล์บ้านๆ (Homemade)": "amateur phone photography, (casual lighting:1.2), flash photography, messy room background, (real life:1.3), grainy, ",
-        "แนวบิวตี้ (ฟรุ้งฟริ้ง)": "soft focus, (ethereal lighting:1.3), dreamy atmosphere, glowing skin, (pastel tones:1.1), high key lighting, beauty filter, "
-    }
-
-    selected_style = style_map.get(style_preset, "")
-    full_prompt = f"score_9, score_8_up, masterpiece, best quality, {selected_style}{prompt}"
-
-    size_map = {
-        "Square (512x512)": (512, 512),
-        "Square (1024x1024)": (1024, 1024),
-        "Portrait (832x1216)": (720, 1260),
-        "Landscape (1216x832)": (1280, 720)
-    }
-
-    width, height = size_map.get(size_preset, (512, 512))
-    base_seed = int(seed) if int(seed) != -1 else random.randint(0, 10_000_000)
-
-    generator = torch.manual_seed(base_seed)
-    with torch.inference_mode():
-        image = pipe(
-            prompt=full_prompt,
-            negative_prompt=neg_prompt,
-            num_inference_steps=int(steps),
-            guidance_scale=cfg,
-            generator=generator,
-            width=width,
-            height=height
-        ).images[0]
-
-    filename = f"output_{base_seed}.{file_format.lower()}"
-    image.save(filename, quality=95 if file_format == "JPG" else 98)
-    return image, base_seed, filename
-
-# --- 3. Gradio UI ---
-with gr.Blocks(theme=gr.themes.Soft()) as demo:
-    gr.Markdown("## 🐴 Pony V6 XL (Free Tier HF)")
-
-    with gr.Row():
-        with gr.Column(scale=1):
-            btn = gr.Button("🚀 GENERATE NOW", variant="primary")
-            p_in = gr.Textbox(label="Prompt", value="a beautiful cinematic portrait of a woman", lines=4)
-            n_in = gr.Textbox(label="Negative", value="low quality, blurry, bad anatomy, watermark", lines=2)
-
-            style_drop = gr.Dropdown(list(style_map.keys()), value="Realistic Photo (ดิบๆ)", label="เลือกสไตล์ภาพ")
-            size_drop = gr.Dropdown(list(size_map.keys()), value="Square (1024x1024)", label="ขนาดภาพ")
-            format_drop = gr.Dropdown(["PNG", "JPG", "WebP"], value="PNG", label="นามสกุลไฟล์")
-
-            c_sld = gr.Slider(1, 15, value=3.0, step=0.5, label="ความคมชัดคำสั่ง (CFG)")
-            s_sld = gr.Slider(2, 100, value=30, step=1, label="รอบการวาด (Steps)")
-            sd_in = gr.Number(value=-1, label="Seed")
-
-        with gr.Column(scale=1):
-            img_out = gr.Image(label="Result")
-            file_out = gr.File(label="Download File")
-            seed_out = gr.Number(label="Seed ที่ใช้")
-
-    btn.click(fn=generate_single,
-              inputs=[p_in, n_in, s_sld, c_sld, sd_in, size_drop, style_drop, format_drop],
-              outputs=[img_out, seed_out, file_out])
-
-demo.launch(share=True)
+)
+
+# 2. ย้ายไปที่ CPU (ระบุชัดเจน)
+pipe.to("cpu")
+
+# การปรับแต่ง Memory เพิ่มเติม (ถ้า RAM 18GB เต็มจริงๆ อาจต้องเปิดใช้ attention slicing แต่มันจะทำให้เจนภาพช้าลง)
+# pipe.enable_attention_slicing() 
+
+def generate_image(prompt_text):
+    # SDXL Turbo ปกติเทรนมาที่ 512x512 การดันไป 1024x1024 บน CPU จะใช้เวลานานขึ้นและกิน RAM สูง
+    # แต่สามารถทำได้โดยการกำหนด height/width
+    
+    image = pipe(
+        prompt=prompt_text,
+        num_inference_steps=2,  # SDXL Turbo ต้องการแค่ 1-4 step (2 คือจุดสมดุลที่ดีสำหรับ 1024px)
+        guidance_scale=0.0,     # สำคัญ: Turbo ไม่ใช้ CFG (Guidance Scale) ต้องตั้งเป็น 0.0 เพื่อให้ภาพไม่เละและอิสระตามโมเดล
+        width=1024,
+        height=1024,
+    ).images[0]
+    
+    return image
+
+# ส่วนของการทดสอบรัน (ตัวอย่าง)
+if __name__ == "__main__":
+    # ใส่ Prompt ที่ต้องการทดสอบตรงนี้
+    user_prompt = "A cinematic shot of a cyberpunk street in rain, neon lights, highly detailed, 8k"
+    
+    print("Starting generation... (CPU may take time)")
+    result = generate_image(user_prompt)
+    result.save("output_1024.png")
+    print("Image saved as output_1024.png")
+    (share=True)