Args:
    prompt: Il prompt per generare l'immagine.
    **kwargs: Impostazioni aggiuntive per la generazione dell'immagine.

Returns:
    L'immagine generata.
"""

# Genera l'immagine.
with torch.autocast("cuda"):
    immagine = pipe(prompt, **kwargs).images[0]

# Restituisci l'immagine.
return immagine

Args:
    prompt: Il prompt per generare le immagini.
    num_images: Il numero di immagini da generare.
    **kwargs: Impostazioni aggiuntive per la generazione dell'immagine.

Returns:
    Una lista delle immagini generate.
"""

# Genera le immagini.
with torch.autocast("cuda"):
    immagini = pipe(prompt, num_images_per_prompt=num_images, **kwargs).images

# Restituisci le immagini.
return immagini

Args:
    immagine: L'immagine da salvare.
    percorso_file: Il percorso del file in cui salvare l'immagine.
"""

# Salva l'immagine.
immagine.save(percorso_file)

Args:
    immagini: La lista di immagini da salvare.
    cartella_output: La cartella in cui salvare le immagini.
"""

# Crea la cartella di output, se non esiste.
os.makedirs(cartella_output, exist_ok=True)

# Salva le immagini.
for i, immagine in enumerate(immagini):
    percorso_file = os.path.join(cartella_output, f"immagine-{i}.png")
    salva_immagine(immagine, percorso_file)

import gradio as gr

# Crea l'interfaccia utente di Gradio.
con gr.Blocks() as interfaccia:
    with gr.Row():
        with gr.Column():
            # Input per il prompt.
            prompt = gr.Textbox(label="Prompt", placeholder="Inserisci un prompt qui")

            # Input per il numero di immagini da generare.
            num_images = gr.Slider(
                label="Numero di immagini",
                minimum=1,
                maximum=10,
                value=1,
                step=1
            )

            with gr.Accordion(label="Impostazioni avanzate", open=False):
                # Input per il numero di passi di inferenza.
                num_inference_steps = gr.Slider(
                    label="Numero di passi di inferenza",
                    minimum=1,
                    maximum=150,
                    value=50,
                    step=1
                )

                # Input per la scala di guida.
                guidance_scale = gr.Slider(
                    label="Scala di guida",
                    minimum=1.0,
                    maximum=15.0,
                    value=7.5,
                    step=0.1
                )

                # Input per il seme.
                seed = gr.Textbox(label="Seme", placeholder="Lascia vuoto per casuale")

            # Pulsante per generare le immagini.
            genera_button = gr.Button("Genera")

        with gr.Column():
            # Output per le immagini generate.
            galleria_output = gr.Gallery(label="Immagini generate")

    # Imposta l'azione del pulsante di generazione.
    genera_button.click(
        fn=lambda prompt, num_images, num_inference_steps, guidance_scale, seed: genera_immagini(
            prompt=prompt,
            num_images_per_prompt=num_images,
            num_inference_steps=num_inference_steps,
            guidance_scale=guidance_scale,
            generator=None if seed == "" else torch.Generator().manual_seed(int(seed)),
        ),
        inputs=[
            prompt,
            num_images,
            num_inference_steps,
            guidance_scale,
            seed,
        ],
        outputs=galleria_output,
    )

# Avvia l'interfaccia utente di Gradio.
interfaccia.launch(share=True)