Update app.py

app.py

@@ -1,7 +1,7 @@
 #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
 #API_URL = "https://api-inference.huggingface.co/models/stabilityai/stable-diffusion-xl-base-1.0"
 #API_URL = "https://api-inference.huggingface.co/models/goofyai/3d_render_style_xl"
-
+""""
 import gradio as gr
 import requests
 from PIL import Image
@@ -37,4 +37,66 @@ iface = gr.Interface(
 
 # Ejecutar la interfaz
 iface.launch()
+""""
+import gradio as gr
+import requests
+from PIL import Image
+import io
+import random
+import time
+import os
+
+# Configura la información de la API de Hugging Face
+API_URL = "https://api-inference.huggingface.co/models/goofyai/3d_render_style_xl"
+HEADERS = {"Authorization": "Bearer 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"}  # Reemplaza YOUR_API_KEY con tu clave de API
+
+# Carpeta para guardar las imágenes
+OUTPUT_FOLDER = "carpeta_imagenes"
+
+# Verifica si la carpeta de salida existe, de lo contrario, créala
+if not os.path.exists(OUTPUT_FOLDER):
+    os.makedirs(OUTPUT_FOLDER)
+
+# Función para realizar una consulta a la API y guardar la imagen en la carpeta de salida
+def query_model(input_text, output_folder=OUTPUT_FOLDER):
+    # Tokenizar el texto de entrada agregando un número aleatorio y una marca de tiempo
+    input_text = f"{input_text} [Random{random.randint(1, 1000)}-{int(time.time())}]"
+    
+    payload = {
+        "inputs": input_text
+    }
+    response = requests.post(API_URL, headers=HEADERS, json=payload)
+    image_bytes = response.content
+    image = Image.open(io.BytesIO(image_bytes))
+
+    # Guardar la imagen en la carpeta de salida
+    save_image(image, output_folder)
+    
+    return image
+
+# Función para guardar la imagen en la carpeta de salida
+def save_image(image, output_folder):
+    # Genera un nombre de archivo único basado en la fecha y hora actual
+    timestamp = time.strftime("%Y%m%d%H%M%S")
+    filename = f"imagen_{timestamp}.png"
+    
+    # Ruta completa del archivo de salida
+    filepath = os.path.join(output_folder, filename)
+
+    # Guardar la imagen
+    image.save(filepath)
+    print(f"Imagen guardada en: {filepath}")
+
+# Crear una interfaz Gradio
+iface = gr.Interface(
+    fn=query_model,
+    inputs=["text", "text"],  # Agregamos un segundo campo de entrada para especificar la carpeta de salida
+    outputs="image",
+    title="Generación de Imágenes desde Texto",
+    description="Genera imágenes a partir de texto utilizando el modelo de difusión de Hugging Face. Ingresa tu propia descripción o texto para generar imágenes variadas.",
+)
+
+# Ejecutar la interfaz
+iface.launch()
+