Texto a Imagen

Este proyecto convierte texto en una imagen utilizando modelos de Hugging Face. El usuario puede seleccionar entre varios modelos disponibles para generar la imagen a partir del texto introducido.

Configuración

Clonar el repositorio.
Instalar las dependencias ejecutando:
```
npm install
```
Crear un archivo .env en la raíz del proyecto y añadir la variable de entorno para el token de acceso de Hugging Face:
```
HF_ACCESS_TOKEN=tu_token_aquí
```

Ejecución

Para ejecutar el programa, utiliza el siguiente comando:

npm start

Sigue las instrucciones en la terminal:

Se te mostrará una lista de modelos disponibles. Selecciona el modelo que deseas utilizar para generar la imagen.
Ingresa un texto. Este texto será utilizado por el modelo seleccionado para generar la imagen.
Ingresa un nombre de archivo (sin extensión) para guardar la imagen. La imagen se guardará con este nombre y la extensión .jpeg en la carpeta del proyecto.

Modelos Disponibles

Los modelos disponibles para generar imágenes son:

Diffusion V1.5 (runwayml/stable-diffusion-v1-5)
SDXL Turbo (stabilityai/sdxl-turbo)
Diffusion V1.4 (CompVis/stable-diffusion-v1-4)
Diffusion Inpainting (runwayml/stable-diffusion-inpainting)
Diffusion 2.1 Base (stabilityai/stable-diffusion-2-1-base)
Diffusion 2.1 (stabilityai/stable-diffusion-2-1)
Realistic Vision V4.0 (SG161222/Realistic_Vision_V4.0_noVAE)
IP Adapter FaceID (h94/IP-Adapter-FaceID)
SDXL Lightning (ByteDance/SDXL-Lightning)

Scripts Disponibles

npm start: Ejecuta el programa.
npm run build: Compila el proyecto.
npm run dev: Compila y ejecuta el proyecto.
npm run clean: Elimina la carpeta dist y todos los archivos .jpeg.
npm run clean:dist: Elimina solo la carpeta dist.
npm run clean:jpeg: Elimina todos los archivos .jpeg.

Notas Adicionales

Las imágenes generadas se guardarán en la carpeta del proyecto con la extensión .jpeg.
Asegúrate de no subir imágenes generadas ni el archivo .env al repositorio. El archivo .gitignore ya está configurado para excluir estos archivos.

Ideas de Mejora

Implementar un traductor de texto para que el usuario pueda introducir un prompt en español, se traduzca al inglés y se genere la imagen. Esto permitiría obtener mejores resultados que si se introduce el texto en español directamente.