Hugging Face recria interface do AUTOMATIC1111 usando novo construtor visual de pipelines do Gradio
A equipe do Gradio, biblioteca de código aberto amplamente utilizada para criação de aplicações web voltadas a modelos de aprendizado de máquina, apresentou uma reconstrução completa da famosa interface AUTOMATIC1111 — uma das ferramentas mais conhecidas da comunidade de Stable Diffusion, modelo de inteligência artificial usado para gerar imagens a partir de texto. A recriação foi feita com o gr.Workflow, novo recurso visual baseado em nós que permite montar pipelines de IA de forma totalmente gráfica, sem a necessidade de escrever rotas de código manualmente.
O projeto, batizado de Workflow1111, reúne onze pipelines de mídia construídos a partir de setenta e três nós conectados em um único canvas. Entre as funcionalidades reproduzidas estão a geração de imagens a partir de texto, correção de alta resolução, edição imagem para imagem, criação de grades com variações de prompt, interrogação por modelos de visão e linguagem, geração automática de máscaras para inpaint — técnica que permite editar partes específicas de uma imagem —, anotadores no estilo ControlNet (mecanismo que dá controle preciso sobre a composição da imagem gerada), remoção de fundo, armazenamento de metadados em PNG e conversão de imagem para vídeo.
Um dos aspectos mais destacados do projeto é a forma como a infraestrutura foi montada. Cada nó de saída presente no canvas se transforma automaticamente em um endpoint REST — um ponto de acesso na web que permite que outros sistemas consumam o resultado gerado por aquela etapa do pipeline. No total, o Workflow1111 expõe nove endpoints prontos para uso, sem que nenhuma rota tenha sido escrita manualmente pelos desenvolvedores. São eles: geração de imagem, imagem editada, prompt gerado, prompt recuperado, objetos detectados, grade de variações em eixos X e Y, aumento local de resolução, mapa de anotação e leitura de metadados PNG.
A demonstração mostra que é possível reproduzir um estúdio completo no estilo AUTOMATIC1111 dentro de um único canvas do gr.Workflow. Para os usuários, isso significa acessar, em um ambiente unificado, diversas das ferramentas mais populares do ecossistema de geração de imagens com inteligência artificial, sem precisar alternar entre diferentes interfaces ou scripts.
O gr.Workflow foi anunciado oficialmente em uma publicação recente no blog do Hugging Face e representa uma mudança significativa na forma como pipelines de IA podem ser construídos. Trata-se de um construtor visual de pipelines integrado diretamente ao pacote principal do Gradio para Python, que permite conectar modelos do Hugging Face, outros Spaces do Gradio — ambientes hospedados na plataforma para execução de aplicações de IA —, datasets do Hub da empresa e funções Python personalizadas em uma área de trabalho arrasta-e-solta. O grafo resultante funciona simultaneamente como uma aplicação funcional, uma API REST e um deploy realizável com um único comando.
A proposta central do recurso é tornar visível toda a cadeia de processamento de uma aplicação de inteligência artificial, que antes precisava ser escrita linha por linha em código. Com o construtor visual, desenvolvedores podem visualizar, depurar e implantar pipelines completos sem sair do ecossistema do Gradio, aproveitando a infraestrutura já existente do Hugging Face, como os provedores de inferência, os Spaces e o Hub de modelos.
Entre os exemplos práticos apresentados pela equipe, está um pipeline que parte de um prompt de texto para gerar uma imagem com o modelo FLUX e, em seguida, envia o resultado para um Space de remoção de fundo, transformando a imagem em uma espécie de sticker. No mesmo canvas, outro fluxo converte um tema em narração por meio de um Space de texto para fala, enquanto um modelo de linguagem é responsável por criar um título atrativo para o conteúdo. Toda a operação é executada em um único ambiente, com chamadas a modelos via Hugging Face Inference Providers e a Spaces do Gradio.
Outro caso demonstrado é o de edição de imagem, no qual o usuário faz upload de uma foto, digita uma instrução de edição — como transformar a cena em um cenário de inverno, adicionar óculos de sol ou alterar a cor de um carro — e recebe a imagem editada de volta. O processo inteiro é resolvido por um único nó que aciona o modelo Qwen-Image-Edit por meio dos provedores de inferência.
Entre os modelos mencionados nas demonstrações estão o FastVideo-FastH3, o MiniMax-H3, o Qwen2.5-VL-7B-Instruct — um modelo de visão e linguagem —, o Qwen3-4B-Instruct e o Wan2.2-I2V-A14B, voltado à conversão de imagem em vídeo. A diversidade de modelos integrados evidencia o caráter modular do novo recurso, que abre espaço para que desenvolvedores combinem diferentes capacidades de IA em fluxos personalizados, indo além da simples recriação de interfaces já existentes e apontando para um novo padrão de construção de aplicações de inteligência artificial baseadas em múltiplos modelos.
