import gradio as gr # Để tạo giao diện web import requests # Để thực hiện các yêu cầu HTTP import json # Để làm việc với dữ liệu JSON import hashlib # Để tạo hash MD5 import time # Để xử lý thời gian import os # Để làm việc với biến môi trường from PIL import Image # Để mở và xử lý hình ảnh from pathlib import Path # Để làm việc với đường dẫn from io import BytesIO # Để xử lý dữ liệu binary như hình ảnh # Các file ảnh mẫu images = ["bxh.jpg", "bxh1.jpg", "bxh2.jpg", "bxh3.jpg"] # URL và thông tin cá nhân từ API url_pre = "https://ap-east-1.tensorart.cloud/v1" # Thư mục để lưu ảnh đã tạo SAVE_DIR = "generated_images" Path(SAVE_DIR).mkdir(exist_ok=True) # Lấy API key từ biến môi trường api_key_token = os.getenv("api_key_token") if not api_key_token: raise ValueError("API key token không tìm thấy trong biến môi trường.") # Hàm tối ưu hóa và nén ảnh def optimize_image(image_path, max_size=(512, 512), quality=50): """ Tối ưu hóa ảnh bằng cách thay đổi kích thước và giảm chất lượng. :param image_path: Đường dẫn đến ảnh gốc. :param max_size: Kích thước tối đa (width, height). :param quality: Chất lượng ảnh (0-100). :return: Dữ liệu ảnh đã tối ưu hóa dưới dạng bytes. """ img = Image.open(image_path) img.thumbnail(max_size) # Thay đổi kích thước ảnh buffer = BytesIO() img.save(buffer, format="JPEG", quality=quality) # Lưu ảnh với chất lượng thấp hơn return buffer.getvalue() # Hàm tạo resource image từ file path def create_resource_image(image_path): # Tối ưu hóa ảnh trước khi tải lên img_data = optimize_image(image_path) # Tạo yêu cầu để upload ảnh và nhận resourceID headers = { 'Authorization': f'Bearer {api_key_token}' } files = { 'file': ("optimized_image.jpg", img_data) # Gửi ảnh đã tối ưu hóa } response = requests.post(f"{url_pre}/resource/image", headers=headers, files=files) # Sử dụng endpoint /resource/image if response.status_code != 200: return f"Error: {response.status_code} - {response.text}" response_data = response.json() resource_id = response_data.get("resourceId") if not resource_id: return "Error: Resource ID not found in the response." print(f"Uploaded image. Resource ID: {resource_id}") return resource_id # Hàm yêu cầu API để tạo ảnh def txt2img(prompt, width, height, input_image_resource_id=None): model_id = "770694094415489962" # Model ID cố định vae_id = "sdxl-vae-fp16-fix.safetensors" # VAE cố định lora_items = [ {"loraModel": "766419665653268679", "weight": 0.7}, {"loraModel": "777630084346589138", "weight": 0.7}, {"loraModel": "776587863287492519", "weight": 0.7} ] # Cấu hình ControlNet cố định controlnet_config = None if input_image_resource_id: controlnet_config = { "args": [ { "inputImageResourceId": input_image_resource_id, "preprocessor": "depth_midas", # Preprocessor cố định "model": "flux/FLUX.1-dev-Controlnet-Union.safetensors", # Model cố định "weight": 0.6, # Weight cố định "guidanceEnd": 1, # Kết thúc hướng dẫn cố định } ] } txt2img_data = { "request_id": hashlib.md5(str(int(time.time())).encode()).hexdigest(), "stages": [ { "type": "INPUT_INITIALIZE", "inputInitialize": { "seed": -1, "count": 1 } }, { "type": "DIFFUSION", "diffusion": { "width": width, "height": height, "prompts": [ { "text": prompt } ], "negativePrompts": [ { "text": "nsfw" } ], "sdModel": model_id, "sdVae": vae_id, "sampler": "Euler a", "steps": 20, "cfgScale": 3, "clipSkip": 1, "etaNoiseSeedDelta": 31337, "lora": { "items": lora_items }, "controlnet": controlnet_config # Thêm cấu hình ControlNet vào đây } } ] } body = json.dumps(txt2img_data) # Sử dụng Bearer token để xác thực headers = { 'Content-Type': 'application/json', 'Accept': 'application/json', 'Authorization': f'Bearer {api_key_token}' } # Tạo một job mới response = requests.post(f"{url_pre}/jobs", json=txt2img_data, headers=headers) if response.status_code != 200: return f"Error: {response.status_code} - {response.text}" response_data = response.json() job_id = response_data['job']['id'] print(f"Job created. ID: {job_id}") # Kiểm tra kết quả của job start_time = time.time() timeout = 300 # Giới hạn thời gian chờ là 300 giây (5 phút) while True: time.sleep(10) # Chờ 10 giây giữa các lần kiểm tra # Kiểm tra nếu quá thời gian chờ elapsed_time = time.time() - start_time if elapsed_time > timeout: return f"Error: Job timed out after {timeout} seconds." # Gửi yêu cầu để lấy trạng thái của job response = requests.get(f"{url_pre}/jobs/{job_id}", headers=headers) if response.status_code != 200: return f"Error: {response.status_code} - {response.text}" get_job_response_data = response.json() print("Job response data:", get_job_response_data) job_status = get_job_response_data['job']['status'] print(f"Job status: {job_status}") if job_status == 'SUCCESS': if 'successInfo' in get_job_response_data['job']: # Kiểm tra nếu 'successInfo' tồn tại image_url = get_job_response_data['job']['successInfo']['images'][0]['url'] print(f"Job succeeded. Image URL: {image_url}") # Tải ảnh từ URL và trả về dưới dạng ảnh PIL để hiển thị trong Gradio response_image = requests.get(image_url) img = Image.open(BytesIO(response_image.content)) return img # Trả về ảnh dưới dạng đối tượng PIL else: return "Error: Output is missing in the job response." elif job_status == 'FAILED': return "Error: Job failed. Please try again with different settings." else: print("Job is still in progress...") # Cài đặt giao diện Gradio with gr.Blocks() as demo: gr.Markdown(""" # Flux ENHANCED ALL - Realistic

Feel free to explore my work and contact me for any inquiries via email: dung.ngt1988@gmail.com

""") # Sử dụng hai cột để sắp xếp giao diện with gr.Row(): with gr.Column(): # Cột thứ nhất: mô tả ảnh và chọn kích thước prompt_input = gr.Textbox(label="Mô tả ảnh cần tạo", placeholder="Mô tả chi tiết ảnh bạn muốn tạo...") size_options = gr.Dropdown(choices=["1152x768", "768x1152"], label="Chọn cỡ ảnh") generate_button = gr.Button("Generate") # Nút tạo ảnh gr.Gallery(images, label="Final Leaderboard Ranking", columns=2, height=512) # Thêm phần tải lên hình ảnh upload_image = gr.Image(label="Tải lên hình ảnh", type="filepath") resource_id_output = gr.Textbox(label="Resource ID", interactive=False) # Hiển thị resourceID with gr.Column(): # Cột thứ hai: hiển thị ảnh đã tạo output_image = gr.Image(label="Ảnh đã tạo") # Để hiển thị ảnh sau khi tạo # Hàm để upload ảnh và nhận resourceID def upload_and_get_resource_id(image_path): if not image_path: return "No image uploaded.", None # Gọi hàm tạo resourceID resource_result = create_resource_image(image_path) if "Error" in resource_result: return resource_result, None return f"Resource ID: {resource_result}", resource_result # Hàm để sinh ảnh khi nhấn nút def generate(prompt, size_choice, resource_id): if size_choice == "1152x768": width, height = 1152, 768 else: width, height = 768, 1152 # Kiểm tra xem có resourceID không if not resource_id: return "Error: No resource ID available. Please upload an image first." # Gọi hàm txt2img với resourceID return txt2img(prompt, width, height, resource_id) # Kết nối sự kiện của nút upload ảnh upload_button = gr.Button("Upload Image") upload_button.click(fn=upload_and_get_resource_id, inputs=[upload_image], outputs=[resource_id_output, gr.State()]) # Kết nối sự kiện của nút sinh ảnh với hàm generate generate_button.click(fn=generate, inputs=[prompt_input, size_options, gr.State()], outputs=output_image) # Chạy ứng dụng demo.launch()