-
Notifications
You must be signed in to change notification settings - Fork 0
/
app_pt-br.py
291 lines (246 loc) · 12.5 KB
/
app_pt-br.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
import os, io, requests, time, json
from typing import List
import google.generativeai as genai
import gradio as gr
from PIL import Image
HUGGING_FACE_API_KEY=""
GOOGLE_API_KEY = ""
MAX_PROMPT_TOKENS = 80
chat_engine = None
chat = None
config_dict = {}
latested_llm_model = None
#gemini safety settings
safety_settings = [
{
"category": "HARM_CATEGORY_HARASSMENT",
"threshold": "BLOCK_ONLY_HIGH"
},
{
"category": "HARM_CATEGORY_HATE_SPEECH",
"threshold": "BLOCK_ONLY_HIGH"
},
{
"category": "HARM_CATEGORY_SEXUALLY_EXPLICIT",
"threshold": "BLOCK_ONLY_HIGH"
},
{
"category": "HARM_CATEGORY_DANGEROUS_CONTENT",
"threshold": "BLOCK_ONLY_HIGH"
},
]
generation_config = {
"temperature": 1,
"top_p": 0.95,
"top_k": 0,
"max_output_tokens": 2048
}
#chat llm models
llm_model_names = [
]
#diffusion models
diffusion_model_names = [
"stabilityai/stable-diffusion-xl-base-1.0",
"stablediffusionapi/toonyou",
"stablediffusionapi/real-cartoon-3d",
"stablediffusionapi/realcartoon3d",
"stablediffusionapi/disney-pixar-cartoon",
"stablediffusionapi/pastel-mix-stylized-anime",
"stablediffusionapi/anything-v5",
"nitrosocke/Ghibli-Diffusion",
"jinaai/flat-2d-animerge",
"Lykon/DreamShaper",
"SG161222/Realistic_Vision_V6.0_B1_noVAE",
]
def list_llm_models() -> List[str]:
if len(llm_model_names) == 0:
if GOOGLE_API_KEY:
for m in genai.list_models():
if 'generateContent' in m.supported_generation_methods:
llm_model_names.append(m.name.split('models/')[1])
llm_models = list(llm_model_names)
return sorted(sorted(llm_models, key=lambda t: t[1]), key=lambda t: t[0], reverse=False)
def list_diffusion_models() -> List[str]:
models = list(diffusion_model_names)
return sorted(sorted(models, key=lambda t: t[1]), key=lambda t: t[0], reverse=False)
def load_config():
global HUGGING_FACE_API_KEY, GOOGLE_API_KEY, MAX_PROMPT_TOKENS, config_dict, generation_config
if os.path.exists("./config.json"):
with open("./config.json", "r", encoding="utf8") as file:
config = file.read()
config_dict = json.loads(config)
HUGGING_FACE_API_KEY = config_dict["huggingface_api_key"]
GOOGLE_API_KEY = config_dict["google_api_key"]
MAX_PROMPT_TOKENS = config_dict["max_prompt_tokens"]
generation_config["temperature"] = config_dict["temperature"]
generation_config["top_p"] = config_dict["top_p"]
generation_config["top_k"] = config_dict["top_k"]
generation_config["max_output_tokens"] = config_dict["max_output_tokens"]
return [*config_dict.values()]
def save_config(*args):
global config_dict
values_dict = zip(config_dict.keys(), args)
config_dict_values = dict(values_dict)
google_api_key = GOOGLE_API_KEY
status=""
try:
with open('./config.json', 'w') as f:
json.dump(config_dict_values, f,indent=2)
load_config()
if not google_api_key:
initialize_chat_engine()
except:
status = "<center><h3 style='color: #E74C3C;'>Houve um erro ao salvar as configurações!</h3></center>"
pass
return gr.Tabs(selected=0), status, gr.Dropdown(list_llm_models())
def initialize_chat_engine():
global chat_engine
genai.configure(api_key=GOOGLE_API_KEY)
def initialize_bot(llm_model):
global chat, chat_engine, latested_llm_model
chat_engine = genai.GenerativeModel(llm_model, safety_settings=safety_settings, generation_config=generation_config)
chat = chat_engine.start_chat(history=[])
latested_llm_model = llm_model
def clean_prompt(prompt:str):
prompt = prompt.replace("\n\n*","").strip()
prompt = prompt.replace("English: ","")
prompt = prompt.replace("Inglês: ","")
prompt = prompt.replace("Portuguese: ","")
prompt = prompt.replace("Português: ","")
prompt = prompt.replace("Prompt em inglês:","")
prompt = prompt.replace("Prompt em português:","")
prompt = prompt.replace("* ","")
return prompt
def request(model, prompt):
headers = {"Authorization": f"Bearer {HUGGING_FACE_API_KEY}"}
API_URL = f"https://api-inference.huggingface.co/models/{model}"
status=""
im = None
try:
def query(payload):
response = requests.post(API_URL, headers=headers, json=payload)
return response
data = query({"inputs": prompt,
"negative_prompt":"(lowres, low quality, worst quality:1.2), (text:1.2), watermark, (frame:1.2), deformed, ugly, deformed eyes, blur, out of focus, blurry, deformed cat, deformed, photo, anthropomorphic cat, monochrome, photo, pet collar, gun, weapon, blue, 3d, drones, drone, buildings in background, green, duplicated"})
im = Image.open(io.BytesIO(data.content))
except:
status="<center><h3 style='color: #E74C3C;'>Ops! houve um erro ao gerar sua resposta, tente novamente!</h3><center>"
pass
return im, status
def predict(message, chat_history, llm_model, diffusion_model):
status=""
generated_prompt=""
if not message:
status="<center><h3 style='color: #E74C3C;'>Você precisa me perguntar algo!</h3><center>"
return "", None, None, status, generated_prompt
if not HUGGING_FACE_API_KEY or not GOOGLE_API_KEY:
status="<center><h3 style='color: #E74C3C;'>Você precisa definir as chaves de API na guia 'Configurações' antes de continuar!</h3></center>"
return "", None, None, status, generated_prompt
if chat_engine is None or latested_llm_model != llm_model:
initialize_bot(llm_model)
image = None
if "/imagine" in message: #Comando para gerar imagem
msg = message.split('/imagine')[1].strip()
text_question=f"Você está criando um prompt para que o Stable Diffusion gere uma imagem. Por favor, gere um prompt de texto para {msg}. Responda apenas com o prompt em si no idioma inglês e português, mas embeleze-o conforme necessário, mas mantenha-o abaixo de {MAX_PROMPT_TOKENS} tokens"
#text_question = "Gere um prompt para inferência de difusão estável em uma única sentença em inglês e português Brasil para"
try:
response = chat.send_message(f"{text_question} {msg}.")
response.resolve()
response_text = response.text.split('\n\n')
except:
status="<center><h3 style='color: #E74C3C;'>Ops! houve um erro ao gerar sua resposta, tente novamente!</h3><center>"
pass
return "", None, None, status, generated_prompt
english_prompt_index = 0
portuguese_prompt_index= 1
if len(response_text) == 0:
status="<center><h3 style='color: #E74C3C;'>Ops! houve um erro ao gerar sua resposta, tente novamente!</h3><center>"
return "", None, None, status, generated_prompt
elif len(response_text) == 4:
english_prompt_index = 1
portuguese_prompt_index= 3
elif len(response_text) == 5:
english_prompt_index = 2
portuguese_prompt_index= 4
english_prompt = clean_prompt(response_text[english_prompt_index].strip())
portuguese_prompt = clean_prompt(response_text[portuguese_prompt_index].strip())
bot_message = f"Eu imaginei isso: '{portuguese_prompt}'"
generated_prompt=f"<center><h3 style='color: #2E86C1;'>{english_prompt}</h3><center>"
image, status = request(diffusion_model, english_prompt)
if image:
image = [image]
else:
response = chat.send_message(message)
response.resolve()
bot_message = response.text
chat_history.append((message, bot_message))
time.sleep(2)
return "", chat_history, image, status, generated_prompt
# Initialize configuration
load_config()
if GOOGLE_API_KEY:
initialize_chat_engine()
# Description
title = r"""
<h1 align="center">Gemini-To-Diffusion: Geração de Imagens a partir de Texto</h1>
"""
description = r"""
<b>Official 🤗 Gradio demo</b> for <a href='https://github.com/DEVAIEXP/gemini-to-diffusion'><b>Geração de Imagens a partir de Texto</b></a>.<br>
Como utilizar:<br>
1. Configure sua chave da <b>API Google</b> e sua chave de <b>API Huggingface</b> na guia 'Configurações'.
2. Pergunte o que deseja visualizar no campo Questão, com o comando <b>/imagine</b> antes da pergunta.
3. Clique em <b>Enviar</b>.
"""
about = r"""
---
📝 **Sobre o projeto**
<br>
Este projeto foi desenvolvido para o evento da <b>Imersão Inteligência Artificial 2ª Edição</b> promovido pela Alura em parceria com o Google. O Gemini-to-Diffusion tem por objetivo facilitar a criação de prompts para a geração de imagens em modelos de difusão estável. Basta o usuário perguntar no chat ao Gemini o que deseja gerar na imagem e o Gemini se encarregará de gerar um prompt rebuscado para a inferência em difusão estável. A imagem é gerada em tempo real possibilitando o download em arquivo. Para a geração da imagem, a aplicação enviará o prompt via REST API para um modelo de difusão hospedado na plataforma da <a href=https://huggingface.co/>HuggingFace</a>.
📧 **Contato**
<br>
Se você tem alguma dúvida ou sugestão, sinta-se livre para enviar sua questão no e-mail <b>[email protected]</b>.
"""
css = """
footer {visibility: hidden},
.gradio-container {width: 85% !important}
"""
block = gr.Blocks(theme="soft", css=css)
with block:
# description
gr.Markdown(title)
gr.Markdown(description)
with gr.Tabs() as tabs:
with gr.TabItem("Chat", id=0):
with gr.Row(equal_height=True):
with gr.Column():
chatbot = gr.Chatbot()
msg = gr.Textbox(label="Questão", value="/imagine ", placeholder="Você pode me perguntar o que preciso gerar, exemplo: /imagine um gato")
llm_model = gr.Dropdown(list_llm_models(), value="gemini-1.5-pro-latest", label='Modelo do chat')
diffusion_model = gr.Dropdown(list_diffusion_models(), value="stabilityai/stable-diffusion-xl-base-1.0", label='Modelo de imagem')
with gr.Column(scale=1):
gallery = gr.Gallery(label="Imagem Gerada", columns=1, rows=1, height=640, interactive=False,format="png")
generated_prompt = gr.HTML(elem_id="generated_tatus", value="")
status = gr.HTML(elem_id="status", value="")
with gr.Row():
submit_btn = gr.Button(value="🔎Enviar")
clear = gr.ClearButton([msg, chatbot, gallery, generated_prompt, status], value="🔁Limpar")
msg.submit(predict, [msg, chatbot, llm_model, diffusion_model], [msg, chatbot, gallery, status, generated_prompt])
submit_btn.click(predict, [msg, chatbot, llm_model, diffusion_model], [msg, chatbot, gallery, status, generated_prompt])
with gr.TabItem("Configurações", id=1) as TabConfig:
with gr.Row():
with gr.Column():
google_api_key = gr.Textbox(label="Google API Key", placeholder="Insira aqui sua API-Key")
huggingface_api_key = gr.Textbox(label="Huggingface API Key", placeholder="Insira aqui sua API-Key")
with gr.Column():
temperature = gr.Slider(minimum=0.0, maximum=1.0, value=0.5, step=0.1, interactive=True, label="Temperature")
top_p = gr.Slider(minimum=0.0, maximum=1.0, value=0.9, step=0.1, interactive=True, label="Top P")
top_k = gr.Slider(minimum=0.0, maximum=1.0, value=1, step=0.1, interactive=True, label="Top K")
max_prompt_tokens = gr.Slider(minimum=0, maximum=2048, value=80, step=20, interactive=True, label="Max output prompt tokens")
max_output_tokens = gr.Slider(minimum=0, maximum=8192, value=2048, step=64, interactive=True, label="Max output tokens")
save_btn = gr.Button(value="💾Salvar")
save_input_elements = [google_api_key, huggingface_api_key, temperature, top_p, top_k, max_prompt_tokens, max_output_tokens]
save_btn.click(save_config,inputs=[*save_input_elements], outputs=[tabs, status, llm_model])
# Set configuration inputs
TabConfig.select(load_config, outputs=[*save_input_elements])
gr.Markdown(about)
block.launch(inbrowser=True, share=True)