Update app.py

app.py

@@ -1,13 +1,14 @@
 # ==============================================================================
 # KROK NAPRAWCZY: Wymuszona instalacja brakujących bibliotek
-# Ten blok kodu rozwiązuje problem z ignorowaniem pliku requirements.txt
 # ==============================================================================
 import os
 import subprocess
 import sys
 
 def install_packages():
+    # Dodajemy konkretną wersję Gradio, aby zapewnić kompatybilność
     packages = [
+        "gradio>=4.0.0",
         "transformers>=4.38.1",
         "torch>=2.2.0",
         "accelerate>=0.27.2",
@@ -17,7 +18,6 @@ def install_packages():
     ]
     for package in packages:
         try:
-            # Sprawdź, czy pakiet jest już zainstalowany
             __import__(package.split('>')[0].split('=')[0].split('<')[0])
             print(f"{package} jest już zainstalowany.")
         except ImportError:
@@ -30,7 +30,7 @@ if 'PACKAGES_INSTALLED' not in os.environ:
     os.environ['PACKAGES_INSTALLED'] = 'TRUE'
 
 # ==============================================================================
-# Reszta kodu aplikacji (bez zmian w stosunku do poprzedniej wersji)
+# Reszta kodu aplikacji
 # ==============================================================================
 import gradio as gr
 from transformers import pipeline as text_pipeline
@@ -42,24 +42,30 @@ from PIL import Image
 import io
 import time
 
-# --- Konfiguracja Modeli ---
-LLM_MODEL = "mistralai/Mistral-7B-Instruct-v0.2"
-IMAGE_MODEL = "runwayml/stable-diffusion-v1-5"
+# --- Konfiguracja Modeli (NOWE, OTWARTE MODELE) ---
+# Zmieniamy na w pełni otwarty model, który nie wymaga logowania
+LLM_MODEL = "HuggingFaceH4/zephyr-7b-beta"
+# Zmieniamy na nowszą, bardziej stabilną wersję Stable Diffusion
+IMAGE_MODEL = "stabilityai/stable-diffusion-2-1-base"
 
 # --- Ładowanie Modeli ---
 try:
+    print("Ładowanie modelu językowego...")
     text_generator = text_pipeline("text-generation", model=LLM_MODEL, torch_dtype=torch.bfloat16, device_map="auto")
     LLM_LOADED = True
+    print("Model językowy załadowany.")
 except Exception as e:
     print(f"Błąd ładowania LLM: {e}"); text_generator = None; LLM_LOADED = False
 try:
-    image_generator = DiffusionPipeline.from_pretrained(IMAGE_MODEL, torch_dtype=torch.float16, revision="fp16")
+    print("Ładowanie modelu obrazkowego...")
+    image_generator = DiffusionPipeline.from_pretrained(IMAGE_MODEL, torch_dtype=torch.float16)
     image_generator.to("cuda")
     IMAGE_MODEL_LOADED = True
+    print("Model obrazkowy załadowany.")
 except Exception as e:
     print(f"Błąd ładowania Image Model: {e}"); image_generator = None; IMAGE_MODEL_LOADED = False
 
-# --- Funkcje Aplikacji (bez zmian) ---
+# --- Funkcje Aplikacji ---
 
 def parse_course_to_structure(markdown_text):
     course_data = {'title': "Nowy Kurs", 'steps': []}
@@ -77,12 +83,14 @@ def parse_course_to_structure(markdown_text):
 
 def generate_course_structure_and_images(topic, progress=gr.Progress(track_tqdm=True)):
     if not LLM_LOADED or not IMAGE_MODEL_LOADED:
-        return None, gr.State([]), gr.State({}), gr.update(visible=False), gr.update(interactive=False)
+        return None, gr.State([]), gr.update(visible=False), gr.update(interactive=False)
 
     progress(0, desc="Generowanie tekstu kursu...")
-    prompt = f"[INST] Jesteś ekspertem w tworzeniu kursów online. Twoim zadaniem jest stworzenie zwięzłego, 5-etapowego planu kursu DIY na podany temat. Temat kursu: \"{topic}\". Wygeneruj odpowiedź w formacie Markdown, która zawiera: 1. Chwytliwy tytuł kursu (jako nagłówek H1). 2. Pięć ponumerowanych kroków kursu. Każdy krok powinien mieć tytuł (pogrubiony) i krótki, 2-3 zdaniowy opis. Nie dodawaj żadnych wstępów, podsumowań ani dodatkowych komentarzy. Trzymaj się ściśle podanej struktury. [/INST]"
+    # Zmieniamy format promptu, aby pasował do modelu Zephyr
+    prompt = f"<|system|>\nJesteś ekspertem w tworzeniu kursów online. Twoim zadaniem jest stworzenie zwięzłego, 5-etapowego planu kursu DIY na podany temat. Wygeneruj odpowiedź w formacie Markdown, która zawiera: 1. Chwytliwy tytuł kursu (jako nagłówek H1). 2. Pięć ponumerowanych kroków kursu. Każdy krok powinien mieć tytuł (pogrubiony) i krótki, 2-3 zdaniowy opis. Nie dodawaj żadnych wstępów, podsumowań ani dodatkowych komentarzy.</s>\n<|user|>\nTemat kursu: \"{topic}\"</s>\n<|assistant|>"
+    
     response = text_generator(prompt, max_new_tokens=1024, do_sample=True, temperature=0.7, top_p=0.95)
-    course_text = response[0]['generated_text'].split('[/INST]')[-1].strip()
+    course_text = response[0]['generated_text'].split('<|assistant|>')[-1].strip()
 
     course_data = parse_course_to_structure(course_text)
     
@@ -112,8 +120,6 @@ def generate_pdf_from_ui(images_state, course_title, *args):
 
     pdf = FPDF()
     pdf.add_page()
-    # Ważne: W środowisku HF Spaces może nie być czcionki 'DejaVu'.
-    # Użyjemy standardowej, ale polskie znaki mogą nie działać poprawnie w PDF.
     try:
         pdf.add_font('DejaVu', '', 'DejaVuSans.ttf', uni=True)
         pdf.set_font('DejaVu', '', 12)
@@ -171,7 +177,8 @@ with gr.Blocks(theme=gr.themes.Soft(), title="Kreator Kursów DIY") as demo:
     
     gr.Markdown("---")
     
-    with gr.Box(visible=False) as editor_box:
+    # Zmieniamy gr.Box na gr.Group dla lepszej kompatybilności
+    with gr.Group(visible=False) as editor_box:
         gr.Markdown("### ✍️ Edytor Kursu")
         gr.Markdown("Możesz teraz dowolnie modyfikować wygenerowaną treść.")