add turbo models and kohaku with lightning emoji indicators

README.md

@@ -76,6 +76,10 @@ Ver `requirements.txt` para la lista completa de dependencias.
 - **FLUX.1 Schnell** ⭐
 - **FLUX.1 Dev** ⭐
 - LDM Text2Im 256
+- **⚡ SDXL Turbo** (Rápido)
+- **⚡ SD Turbo** (Rápido)
+- **⚡ SDXL Lightning** (Rápido)
+- **🎨 Kohaku V2.1** (Estilo anime)
 
 ### Videos
 - Text-to-Video MS 1.7B

app.py

@@ -79,7 +79,13 @@ MODELS = {
         "black-forest-labs/FLUX.1-schnell": "FLUX.1 Schnell (Requiere acceso)",
         "black-forest-labs/FLUX.1-dev": "FLUX.1 Dev (Requiere acceso)",
         # ✅ Nuevos modelos de imagen
-        "CompVis/ldm-text2im-large-256": "Latent Diffusion Model 256"
+        "CompVis/ldm-text2im-large-256": "Latent Diffusion Model 256",
+        # ⚡ Modelos Turbo (rápidos)
+        "stabilityai/sdxl-turbo": "⚡ SDXL Turbo",
+        "stabilityai/sd-turbo": "⚡ SD Turbo",
+        "ByteDance/SDXL-Lightning": "⚡ SDXL Lightning",
+        # 🎨 Modelos adicionales
+        "KBlueLeaf/kohaku-v2.1": "Kohaku V2.1"
     },
     "video": {
         "damo-vilab/text-to-video-ms-1.7b": "Text-to-Video MS 1.7B (Libre)",
@@ -252,6 +258,46 @@ def load_image_model(model_name):
                         safety_checker=None
                     )
             
+            # Configuración especial para modelos Turbo (rápidos)
+            elif any(turbo_model in model_name.lower() for turbo_model in ["sdxl-turbo", "sd-turbo", "sdxl-lightning"]):
+                try:
+                    print("⚡ Cargando modelo Turbo...")
+                    pipe = StableDiffusionPipeline.from_pretrained(
+                        model_name,
+                        torch_dtype=torch.float32,
+                        safety_checker=None,
+                        requires_safety_checker=False
+                    )
+                    print("✅ Modelo Turbo cargado exitosamente")
+                except Exception as e:
+                    print(f"❌ Error cargando modelo Turbo: {e}")
+                    # Fallback a Stable Diffusion
+                    pipe = StableDiffusionPipeline.from_pretrained(
+                        "CompVis/stable-diffusion-v1-4",
+                        torch_dtype=torch.float32,
+                        safety_checker=None
+                    )
+            
+            # Configuración especial para Kohaku
+            elif "kohaku" in model_name.lower():
+                try:
+                    print("🎨 Cargando modelo Kohaku...")
+                    pipe = StableDiffusionPipeline.from_pretrained(
+                        model_name,
+                        torch_dtype=torch.float32,
+                        safety_checker=None,
+                        requires_safety_checker=False
+                    )
+                    print("✅ Modelo Kohaku cargado exitosamente")
+                except Exception as e:
+                    print(f"❌ Error cargando Kohaku: {e}")
+                    # Fallback a Stable Diffusion
+                    pipe = StableDiffusionPipeline.from_pretrained(
+                        "CompVis/stable-diffusion-v1-4",
+                        torch_dtype=torch.float32,
+                        safety_checker=None
+                    )
+            
             # Configuración para otros modelos
             else:
                 pipe = StableDiffusionPipeline.from_pretrained(
@@ -461,6 +507,36 @@ def generate_image(prompt, model_name, num_inference_steps=20):
                 max_sequence_length=256,  # ✅ Reducido de 512 a 256 para ahorrar memoria
                 generator=torch.Generator("cpu").manual_seed(random_seed)  # ✅ Seed aleatorio
             ).images[0]
+        
+        # Configuración específica para modelos Turbo (rápidos)
+        elif any(turbo_model in model_name.lower() for turbo_model in ["sdxl-turbo", "sd-turbo", "sdxl-lightning"]):
+            print(f"⚡ Generando con modelo Turbo: {model_name}")
+            print(f"🔧 Parámetros Turbo: guidance_scale=1.0, steps=1-4, height=512")
+            
+            # Los modelos turbo usan menos pasos y guidance_scale más bajo
+            turbo_steps = min(num_inference_steps, 4)  # Máximo 4 pasos para turbo
+            image = pipeline(
+                prompt,
+                height=512,
+                width=512,
+                num_inference_steps=turbo_steps,
+                guidance_scale=1.0,  # Más bajo para turbo
+                eta=1.0  # Parámetro específico para turbo
+            ).images[0]
+        
+        # Configuración específica para Kohaku
+        elif "kohaku" in model_name.lower():
+            print(f"🎨 Generando con modelo Kohaku: {model_name}")
+            print(f"🔧 Parámetros Kohaku: guidance_scale=7.5, steps={num_inference_steps}")
+            
+            image = pipeline(
+                prompt,
+                height=512,
+                width=512,
+                num_inference_steps=num_inference_steps,
+                guidance_scale=7.5
+            ).images[0]
+        
         else:
             # Configuración básica para otros modelos
             image = pipeline(