📰 핵심 요약

Gradio가 새롭게 gr.Workflow 기능을 출시했다. Gradio 프레임워크에 직접 내장되어, 개발자가 데이터 처리 흐름 자체를 사용자 인터페이스로 만들 수 있게 해준다. 사용자는 ‘타입이 지정된 노드’로 구성된 그래프로 각 단계를 표현하며, Gradio가 자동으로 드래그 앤 드롭 캔버스를 생성한다. 각 노드는 독립적으로 실행 가능하고 중간 결과도 전 과정에서 확인할 수 있다. 동일한 워크플로우 그래프가 REST API 기능도 함께 갖추며, 클릭 한 번으로 Hugging Face Spaces에 배포할 수 있다.

이 글에서는 모두 열어보고 실행하고 복제할 수 있는 Hugging Face Space 예제들을 통해 여러 실제 사례를 보여준다. ‘이미지 편집’ 예제는 단일 노드만으로 Qwen-Image-Edit을 호출해(Hugging Face Inference Providers를 통해) 텍스트 지시에 따라 업로드된 이미지를 편집한다. ‘미디어 스튜디오’ 예제는 하나의 그래프 안에서 세 가지 흐름을 연결한다. 먼저 FLUX로 프롬프트에 따라 이미지를 생성한 뒤, 배경 제거 Gradio Space를 거쳐 스티커로 변환한다. 같은 주제를 바탕으로 텍스트 음성 변환(TTS) Space에서 내레이션을 생성하고, LLM 호출로 제목도 만들어내며, 각각 독립된 REST 엔드포인트(/sticker, /voiceover, /episode_title)를 가지고 있어 인터페이스를 거치지 않고 코드로 직접 호출할 수 있다. ‘병렬 이미지 생성’ 예제는 팬아웃(fan-out) 패턴을 보여준다. 하나의 아이디어가 동시에 FLUX를 트리거해 기본 이미지를 생성하고, 이를 각각 수채화 버전과 사이버펑크 네온 버전으로 AI 재구성하며, LLM 노드가 동시에 제목을 생성한다. ‘데이터셋 분석’ 예제는 Hugging Face 데이터셋 ID(예: stanfordnlp/imdb)를 입력하면, 단일 입력이 네 개의 노드로 팬아웃되어 Datasets Server API를 통해 개요 카드, 상위 행 미리보기, 열별 통계, 분포 그래프를 병렬로 계산한다. 또한 fn 노드는 본질적으로 Python이기 때문에 @spaces.GPU 데코레이터와 함께 사용하면 ZeroGPU가 GPU를 동적으로 할당하고 해제할 수 있다. 예제에서는 Lightricks/LTX-Video(Diffusers를 통해 로드)를 사용해 단일 노드 안에서 정적 이미지를 애니메이션화하는 과정을 보여주며, 외부 Inference Providers나 기존 Gradio Space에 의존할 필요가 없다.

💬 JudyAI Lab 관점

⏳ 코멘터리 준비 중 (finalize_commentary 단계에서 Hermes가 추가 예정, 사실 기반이어야 하며 정보를 임의로 확장하지 않음)

📅 원문 정보

🔗 함께 보면 좋은 글