Update app.py

app.py

@@ -3,42 +3,41 @@ from gradio_client import Client
 
 def get_caption(image_in):
     client = Client("https://vikhyatk-moondream1.hf.space/")
-    caption = client.predict(
-        image_in,  # 'image_in'은 이미지 파일의 경로입니다.
-        "Describe the image",  # 'Describe the image'는 모델에 제출되는 문장입니다.
-        api_name="/answer_question"
+    result = client.predict(
+		image_in,	# filepath  in 'image' Image component
+		"Describe the image",	# str  in 'Question' Textbox component
+		api_name="/answer_question"
     )
-    print(caption)
-    return caption  # caption 변수는 이미지 설명 문자열을 담고 있습니다.
+    print(result)
+    return result
 
-
-def get_lcm(caption):
-    client = Client("현재 사용할 이미지 생성 API URL")
-    # 적절한 이미지 생성 API 파라미터를 전달하여 결과 이미지를 요청합니다.
-    results = client.predict(
-        prompt=caption,  # 이미지 설명을 생성 API에 전달합니다.
-        number_of_images=1,  # 생성하려는 이미지 개수입니다. 필요한 경우 이 값을 변경하세요.
-        api_name="/generate_image"  # API 엔드포인트입니다. 해당 API에 맞게 수정하세요.
+def get_lcm(prompt):
+    client = Client("https://latent-consistency-lcm-lora-for-sdxl.hf.space/")
+    result = client.predict(
+    		prompt,	# str  in 'parameter_5' Textbox component
+    		0.3,	# float (numeric value between 0.0 and 5) in 'Guidance' Slider component
+    		8,	# float (numeric value between 2 and 10) in 'Steps' Slider component
+    		0,	# float (numeric value between 0 and 12013012031030) in 'Seed' Slider component
+    		True,	# bool  in 'Randomize' Checkbox component
+    							api_name="/predict"
     )
-    # API에서 반환된 이미지들을 처리합니다. 반환 타입 및 방법에 대해서는 API 문서를 확인하세요.
-    return results  # 이 부분은 생성된 이미지를 반환하는 것을 의미합니다.
-    
+    print(result)
+    return result[0]
+
 def infer(image_in):
     caption = get_caption(image_in)
-    # 이 부분은 get_lcm 함수가 올바른 이미지를 생성하고 반환하도록 구현해야 합니다.
-    # img_var = get_lcm(caption)
-
-    # 예제에서는 단순히 이미지 경로를 반환하도록 생략합니다.
-    return image_in  # 실제로는 get_lcm 함수의 결과를 반환해야 합니다.
+    img_var = get_lcm(caption)
+    return img_var
 
-# 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")
-)
+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="LCM Image variation")
+    ]
+).queue(max_size=25).launch()
 
-# Launch the interface
-interface.queue(max_size=25).launch()