Create app.py

app.py

@@ -0,0 +1,48 @@
+import gradio as gr
+from diffusers import StableDiffusionPipeline
+import torch
+
+# Hugging Faceのトークン
+HUGGING_FACE_TOKEN = "あなたのHugging Face APIトークン"
+
+# モデルのロード
+def load_model():
+    model_id = "double-negative/hololive-diffusion"
+    pipe = StableDiffusionPipeline.from_pretrained(
+        model_id,
+        use_auth_token=HUGGING_FACE_TOKEN
+    )
+    pipe.to("cuda" if torch.cuda.is_available() else "cpu")
+    return pipe
+
+# 画像生成関数
+def generate_image(prompt, num_inference_steps, guidance_scale):
+    try:
+        result = pipe(prompt, num_inference_steps=num_inference_steps, guidance_scale=guidance_scale)
+        return result.images[0]
+    except Exception as e:
+        return f"エラーが発生しました: {e}"
+
+# Gradioインターフェースの定義
+pipe = load_model()
+
+with gr.Blocks() as demo:
+    gr.Markdown("## Hololive Diffusion 画像生成")
+    
+    with gr.Row():
+        with gr.Column():
+            prompt = gr.Textbox(label="プロンプト", placeholder="例: かわいい猫のイラスト")
+            num_inference_steps = gr.Slider(1, 100, value=50, step=1, label="推論ステップ数")
+            guidance_scale = gr.Slider(1, 20, value=7.5, step=0.1, label="ガイダンススケール")
+            generate_button = gr.Button("画像生成")
+        with gr.Column():
+            output_image = gr.Image(label="生成された画像")
+
+    generate_button.click(
+        fn=generate_image,
+        inputs=[prompt, num_inference_steps, guidance_scale],
+        outputs=[output_image]
+    )
+
+# アプリの実行
+demo.launch()