Как показать специальный индикатор выполнения на каждой вкладке приложения Gradio? ⇐ Python

[Anonymous]

Я разрабатываю приложение Gradio для создания изображений, которое использует несколько моделей, таких как SD3.5, Flux и другие, для создания изображений по заданному запросу.
В приложении есть 7 вкладок, каждая соответствующий конкретной модели. На каждой вкладке отображается изображение, созданное соответствующей моделью.
Моя проблема в том, что я не могу отображать индикатор выполнения для каждой вкладки отдельно. В настоящее время индикатор выполнения отображается на всех вкладках одновременно. Однако мне нужен «индикатор выполнения для конкретной вкладки».
Ниже представлена ​​моя кодовая база и скриншоты приложения, которое имитирует процесс создания изображения во вложении. Как я могу реализовать эту функцию?

Код: Выделить всё

import random
from time import sleep

import gradio as gr
import threading
import requests
from PIL import Image
from io import BytesIO

# Constants
MAX_IMAGE_SIZE = 1024

# Model configurations
MODEL_CONFIGS = {
"Stable Diffusion 3.5": {
"repo_id": "stabilityai/stable-diffusion-3.5-large",
"pipeline_class": "StableDiffusion3Pipeline"
},
"FLUX": {
"repo_id": "black-forest-labs/FLUX.1-dev",
"pipeline_class": "FluxPipeline"
},
"PixArt": {
"repo_id": "PixArt-alpha/PixArt-Sigma-XL-2-1024-MS",
"pipeline_class": "PixArtSigmaPipeline"
},
"AuraFlow": {
"repo_id": "fal/AuraFlow",
"pipeline_class": "AuraFlowPipeline"
},
"Kandinsky": {
"repo_id": "kandinsky-community/kandinsky-3",
"pipeline_class": "Kandinsky3Pipeline"
},
"Hunyuan": {
"repo_id": "Tencent-Hunyuan/HunyuanDiT-Diffusers",
"pipeline_class": "HunyuanDiTPipeline"
},
"Lumina": {
"repo_id": "Alpha-VLLM/Lumina-Next-SFT-diffusers",
"pipeline_class": "LuminaText2ImgPipeline"
}
}

# Dictionary to store model pipelines
pipes = {}
model_locks = {model_name: threading.Lock() for model_name in MODEL_CONFIGS.keys()}

def fetch_image_from_url(url):
try:
response = requests.get(url)
response.raise_for_status()
return Image.open(BytesIO(response.content))
except Exception as e:
print(f"Error fetching image from URL {url}: {e}")
return None

def generate_all(prompt, negative_prompt, seed, randomize_seed, width, height,
guidance_scale, num_inference_steps):
# Initialize a list to store all outputs
all_outputs = [None] * (len(MODEL_CONFIGS) * 2)  # Pre-fill with None for each model's image and seed

for idx, model_name in enumerate(MODEL_CONFIGS.keys()):
try:
progress_dict[model_name](0, desc=f"Starting generation for {model_name}...")
print(f"IMAGE GENERATING {model_name}")
generated_seed = seed if not randomize_seed else random.randint(0, 100000)

# Fetch an image from a URL
url = f"https://placehold.co/600x400/000000/FFFFFF.png?text=Hello+{model_name}+ +{generated_seed}"   # Replace with actual URL as needed
image = fetch_image_from_url(url)

progress_dict[model_name](0.9, desc=f"downloaded {model_name}...")
# Update the outputs array with the result and seed, leaving remaining slots as None
all_outputs[idx * 2] = image  # Image slot
all_outputs[idx * 2 + 1] = generated_seed  # Seed slot

# Add intermediate results to progress * (len(all_outputs) - len(all_outputs))
yield all_outputs + [None]
progress_dict[model_name](1, desc=f"generated {model_name}...")
sleep(1)  # Simulate processing time

except Exception as e:
print(f"Error generating with {model_name}: {str(e)}")
# Leave the slots for this model as None
all_outputs[idx * 2] = None
all_outputs[idx * 2 + 1] = None

# Return the final completed array
return all_outputs

# Gradio Interface
css = """
#col-container {
margin: 0 auto;
max-width: 1024px;
}
"""

with gr.Blocks(css=css) as demo:
with gr.Column(elem_id="col-container"):
gr.Markdown("# Multi-Model Image Generation")

with gr.Row():
prompt = gr.Text(
label="Prompt",
show_label=False,
max_lines=1,
placeholder="Enter your prompt",
container=False,
)
run_button = gr.Button("Generate", scale=0, variant="primary")

with gr.Accordion("Advanced Settings", open=False):
seed = gr.Slider(
label="Seed",
minimum=0,
maximum=100,
step=1,
value=0,
)
randomize_seed = gr.Checkbox(label="Randomize seed", value=True)

memory_indicator = gr.Markdown("Current memory usage: 0 GB")

with gr.Row():
with gr.Column(scale=2):
with gr.Tabs() as tabs:
results = {}
seeds = {}
progress_dict: dict[str, gr.Progress] = {}

for model_name in MODEL_CONFIGS.keys():
with gr.Tab(model_name):
results[model_name] = gr.Image(label=f"{model_name} Result")
seeds[model_name] = gr.Number(label="Seed used", visible=True)
progress_dict[model_name] = gr.Progress()

# Prepare the input and output components
input_components = [
prompt, seed, randomize_seed,
]

output_components = []
for model_name in MODEL_CONFIGS.keys():
output_components.extend([results[model_name], seeds[model_name]])

run_button.click(
fn=generate_all,
inputs=input_components,
outputs=output_components,
)

if __name__ == "__main__":
demo.launch()

Подробнее здесь: https://stackoverflow.com/questions/793 ... gradio-app