Update app.py

app.py

@@ -22,15 +22,12 @@ from PIL import Image
 # set hf inference endpoint with lama for story
 # get a token: https://huggingface.co/docs/api-inference/quicktour#get-your-api-token
 
+# Load environment variables from .env file
+load_dotenv()
 
-
-HUGGINGFACEHUB_API_TOKEN =os.environ["HUGGINGFACEHUB_API_TOKEN"]
-GOOGLE_API_KEY=os.environ["GOOGLE_API_KEY"]
-API_KEY= os.environ["API_KEY"]
-
-
-
-
+HUGGINGFACEHUB_API_TOKEN = os.environ["HUGGINGFACEHUB_API_TOKEN"]
+GOOGLE_API_KEY = os.environ["GOOGLE_API_KEY"]
+API_KEY = os.environ["API_KEY"]
 
 class Story(BaseModel):
     title: str = Field(description="A captivating title for the story.")
@@ -49,7 +46,6 @@ class Story(BaseModel):
                       Explain the action taking place in each scene. Come up with your own unique descriptions!"""
     )
 
-
 from langchain_google_genai import ChatGoogleGenerativeAI
 
 llm = ChatGoogleGenerativeAI(model="gemini-pro",google_api_key=GOOGLE_API_KEY)
@@ -72,60 +68,38 @@ prompt = PromptTemplate(
 
 chain = prompt | model | parser
 
-chain.invoke({"query": story_query})
-
-response =chain.invoke({"query": story_query})
-
-response
-
-# modele load
-# Choose among 1, 2, 4 and 8:
-num_inference_steps = 8
-
-import streamlit as st
-import requests
-import io
-from PIL import Image
-
-API_URL = "https://api-inference.huggingface.co/models/stabilityai/stable-diffusion-xl-base-1.0"
-headers = {"Authorization": f"Bearer {API_KEY}"}
-
-# Fonction pour appeler l'API et générer une image pour une scène donnée
-def generate_image(scene):
-    payload = {
-        "inputs": scene,
-        "guidance_scale": 0.8,
-        "num_inference_steps": 8,
-        "eta": 0.5,
-        "seed": 46,
-        "negative_prompt": negative_prompt
-    }
-    response = requests.post(API_URL, headers=headers, json=payload)
-    image_bytes = response.content
-    image = Image.open(io.BytesIO(image_bytes))
-    return image
-
-# Contenu de la variable response
-scenes =response.scenes
-
-metadonne =response.metadonne
-# Générer les images pour chaque scène et afficher avec les métadonnées dans une grille 2x3
-st.title("Images générées avec métadonnées dans une grille 2x3")
-for i in range(0, len(scenes), 2):
-    col1, col2 = st.columns(2)
-    col1.write(f"**Scène {i+1}:** {metadonne[i]}")
-    col1.image(generate_image(scenes[i]), caption=f"Image de la scène {i+1}", width=300)
-    
-    # Vérifie si une deuxième scène existe pour afficher la deuxième image
-    if i+1 < len(scenes):
-        col2.write(f"**Scène {i+2}:** {metadonne[i+1]}")
-        col2.image(generate_image(scenes[i+1]), caption=f"Image de la scène {i+2}", width=300)
-
-
-
-
-
-
-
-
-
+# Trigger the generation of the story only when a title is provided
+if title:
+    response = chain.invoke({"query": story_query})
+
+    # Display the story elements if a response is received
+    if response:
+        st.write(response)
+        # Define negative prompt for the image generation
+        negative_prompt = "ugly, blurry, low-resolution, deformed, mutated, disfigured, missing limbs, disjointed, distorted, deformed, unnatural"
+        # Function for generating images
+        def generate_image(scene):
+            payload = {
+                "inputs": scene,
+                "guidance_scale": 0.8,
+                "num_inference_steps": 8,
+                "eta": 0.5,
+                "seed": 46,
+                "negative_prompt": negative_prompt
+            }
+            response = requests.post(API_URL, headers=headers, json=payload)
+            image_bytes = response.content
+            image = Image.open(io.BytesIO(image_bytes))
+            return image
+        
+        # Generate and display images with meta-data in a 2x3 grid
+        st.title("Images générées avec métadonnées dans une grille 2x3")
+        for i in range(0, len(response.scenes), 2):
+            col1, col2 = st.columns(2)
+            col1.write(f"**Scène {i+1}:** {response.metadonne[i]}")
+            col1.image(generate_image(response.scenes[i]), caption=f"Image de la scène {i+1}", width=300)
+            
+            # Check if a second scene exists for displaying the second image
+            if i+1 < len(response.scenes):
+                col2.write(f"**Scène {i+2}:** {response.metadonne[i+1]}")
+                col2.image(generate_image(response.scenes[i+1]), caption=f"Image de la scène {i+2}", width=300)