funciones.py

import io
import globales
import espacios
import herramientas
import gradio_client
from huggingface_hub import InferenceClient
import conexion_firebase
import random
import time

def genera_platillo_gpu(platillo):

    prompt = globales.previo + platillo
    print("Platillo enviado:", platillo) 

    try:

        selected_space_config = random.choice(espacios.espacio)

        client = gradio_client.Client(selected_space_config['id'], hf_token=globales.llave)

        # kwargs = {
        #     "prompt": prompt,
        #     "api_name": "/infer"
        # } 

        kwargs = selected_space_config['static_kwargs']

        result = client.predict(**kwargs,
        prompt=prompt,
        #negative_prompt="live animals",
        # seed=42,
        # randomize_seed=True,
        width=786,
        height=568,
        # guidance_scale=3.5,
        # num_inference_steps=28,
        # api_name="/infer"       
        )

        #print("Result inmediato es: ", result)

        #Cuando es GPU, debe de restar segundos disponibles de HF 
        herramientas.restaSegundosGPU(globales.work_cost)

        print("Platillo generado:", platillo)
        return result[0]

    except Exception as e:     
        print("Excepción: ", e)        
        # Opción para regresar imagen genérica. (ya no porque se envía desde backend.)
        # return "default.png"
        error = f"Error 500: {e}"
        #return '{"Error 500": e}'
        return error


def genera_platillo_inference(platillo):

    
    modelo_actual = conexion_firebase.obtenDato('nowme', 'huggingface', 'modelo_actual')
    modelo = modelo_actual

    print("Modelo:", modelo)
    
    #Elegir proveedor de inferencia
    creditos_restantes_inference = conexion_firebase.obtenDato('nowme', 'huggingface', 'hfInference')
    #creditos_restantes_inference = 5000

    #print("Los créditos restantes de hf-inference que tienes son: ", creditos_restantes_inference)
    if creditos_restantes_inference > 0:
        provedor_seleccionado = globales.proveedor
    else:
        provedor_seleccionado = globales.proveedor_back

    prompt = globales.previo + platillo
    print("Platillo enviado:", platillo)
       
    client = InferenceClient(
            provider= provedor_seleccionado,
            api_key=globales.llave
        )    

    try: 
        image = client.text_to_image(
        prompt,
        #negative_prompt="live animals",
        model=modelo,
        width=786,
        height=568,
        num_inference_steps=16
        )   

        #Detenido momentaneamente por cambio a firebase.
        herramientas.restaSegundosInference(globales.inference_cost)              
        
    except Exception as e:
        print("Excepción: ", e)
        if "Gateway Time-out" in str(e): 
            print("GATEWAY TIME-OUT 💀")
            modelo=globales.inferencia_backup
            #Escribe en txt el nuevo modelo.
            herramientas.modificaModeloActual(modelo)        
        return f"Error: {e}"
    
    img_io = io.BytesIO()
    image.save(img_io, "PNG")
    img_io.seek(0)
    print("Platillo generado:", platillo)
    return img_io