app.py

import gradio as gr
import numpy as np
import random
import torch
from diffusers import DiffusionPipeline
from transformers import pipeline as hf_pipeline

# Device setup
device = "cuda" if torch.cuda.is_available() else "cpu"
torch_dtype = torch.float16 if torch.cuda.is_available() else torch.float32

# Load smaller, faster model for CPU
print("🚀 Loading Stable Diffusion 2-1 (optimized for CPU)")
model_repo_id = "stabilityai/sdxl-turbo"
pipe = DiffusionPipeline.from_pretrained(model_repo_id, torch_dtype=torch_dtype)
pipe = pipe.to(device)

# Load Arabic → English translator
print("🌍 Loading Arabic to English Translator")
translator = hf_pipeline("translation", model="Helsinki-NLP/opus-mt-ar-en")

MAX_SEED = np.iinfo(np.int32).max
MAX_IMAGE_SIZE = 1024

# Translation helper
def translate_ar_to_en(text):
    if not text.strip():
        return text
    try:
        translated = translator(text)[0]['translation_text']
        return translated
    except Exception as e:
        print("Translation error:", e)
        return text

# Inference
def infer(
    prompt,
    negative_prompt,
    seed,
    randomize_seed,
    width,
    height,
    guidance_scale,
    num_inference_steps,
    progress=gr.Progress(track_tqdm=True),
):
    # Simulate daily limit check
    if prompt.strip() == "limit_test":
        return None, seed, "❌ لقد إنتهى الإستخدام المجاني اليومي\n📆 يمكنك إستكمال إنشاء الصور غدا\n💬 ادعمني، أريد إنشاء مولد صور عربي غير محدود للجمهور العربي"

    if randomize_seed:
        seed = random.randint(0, MAX_SEED)

    # Translate prompt to English
    translated_prompt = translate_ar_to_en(prompt)
    translated_negative = translate_ar_to_en(negative_prompt)

    # Generate image
    image = pipe(
        prompt=translated_prompt,
        negative_prompt=translated_negative,
        guidance_scale=guidance_scale,
        num_inference_steps=num_inference_steps,
        width=width,
        height=height,
        generator=torch.Generator().manual_seed(seed),
    ).images[0]

    return image, seed, ""

# Example prompts
examples = [
    "قطة تركب دراجة نارية في الصحراء",
    "رائد فضاء يركب حصانًا أخضر",
    "كوكب الأرض من الفضاء",
]

# CSS
css = """
#col-container {margin: 0 auto; max-width: 640px; direction: rtl;}
.support-button {margin: 5px; padding: 10px 20px; border: none; border-radius: 5px; width: 100%; font-size: 16px;}
.paypal {background-color: #0070ba; color: white;}
.kofi {background-color: #29abe0; color: white;}
.bank {background-color: #4caf50; color: white;}
#loading-box {text-align: center; font-size: 18px; color: #ff9800; margin-top: 10px;}
"""

with gr.Blocks(css=css) as demo:
    with gr.Column(elem_id="col-container"):
        gr.Markdown("""
        ## 🧠 🢃مولد الصور العربي بالذكاء الاصطناعي في الأسفل
        اكتب وصفًا وسيقوم الذكاء الاصطناعي بإنشاء صورة فريدة بناءً عليه.
        ---
        💖 **أنا أطمح لبناء أول برنامج منشئ الصور عربي بالكامل وغير محدود:**
        💖 **كن من أول الداعمين لتصبح عضوا مؤسسا ويكون لك حق استعمال البرنامج لمدة غير محدودة:**
        💖 **هل تريد دعمي؟ إليك الطرق المتاحة:**
        """)

        # Support buttons
        with gr.Column():
            gr.HTML('<a href="https://www.paypal.com/" target="_blank"><button class="support-button paypal">💸 PayPal - استخدم البريد: touati0youcef@gmail.com</button></a>')
            gr.HTML('<a href="https://ko-fi.com/hiho938663" target="_blank"><button class="support-button kofi">☕ Ko-fi - Ko-fi.com/hiho938663 للتبرع</button></a>')
            gr.HTML('<a href="https://youcef847.github.io/support-me/" target="_blank"><button class="support-button bank">🏦 حسابي https://youcef847.github.io/support-me/ تفاصيل هنا</button></a>')

        with gr.Row():
            prompt = gr.Text(
                label="الوصف",
                show_label=False,
                max_lines=1,
                placeholder="✏️ اكتب وصف الصورة هنا",
                container=False,
            )
            run_button = gr.Button("🚀 إنشاء", scale=0, variant="primary")

        # Loading animation
        loading_box = gr.HTML("", elem_id="loading-box")

        result = gr.Image(label="النتيجة", show_label=False)
        limit_message = gr.Textbox(label="📢 الرسائل", interactive=False)

        with gr.Accordion("⚙️ إعدادات متقدمة", open=False):
            negative_prompt = gr.Text(
                label="الوصف السلبي",
                max_lines=1,
                placeholder="أدخل وصفًا سلبيًا",
                visible=False,
            )
            seed = gr.Slider(label="البذرة", minimum=0, maximum=MAX_SEED, step=1, value=0)
            randomize_seed = gr.Checkbox(label="بذرة عشوائية", value=True)

            with gr.Row():
                width = gr.Slider(
                    label="العرض",
                    minimum=256,
                    maximum=MAX_IMAGE_SIZE,
                    step=32,  # multiples of 32 are safest for Stable Diffusion
                    value=384  # default close to your 250 target, but fully compatible
                )
                height = gr.Slider(
                    label="الارتفاع",
                    minimum=256,
                    maximum=MAX_IMAGE_SIZE,
                    step=32,
                    value=384
                )

            with gr.Row():
                guidance_scale = gr.Slider(
                    label="مقياس التوجيه",
                    minimum=0.0,
                    maximum=10.0,
                    step=0.1,
                    value=0.0  # SDXL Turbo works well at 0 for speed
                )
                num_inference_steps = gr.Slider(
                    label="عدد خطوات الاستدلال",
                    minimum=1,
                    maximum=10,  # turbo doesn't need high steps
                    step=1,
                    value=2  # fast default
                )

        gr.Examples(examples=examples, inputs=[prompt])

    def show_loading(*args):
        return "<div>⏳ جاري إنشاء الصورة، يرجى الانتظار...</div>",

    def clear_loading(*args):
        return "",

    run_button.click(fn=show_loading, inputs=[], outputs=[loading_box]).then(
        fn=infer,
        inputs=[prompt, negative_prompt, seed, randomize_seed, width, height, guidance_scale, num_inference_steps],
        outputs=[result, seed, limit_message]
    ).then(fn=clear_loading, inputs=[], outputs=[loading_box])

if __name__ == "__main__":
    demo.launch()