Delete app.py

app.py

@@ -1,348 +0,0 @@
-# Euia-AducSdr: Uma implementação aberta e funcional da arquitetura ADUC-SDR para geração de vídeo coerente.
-# Copyright (C) 4 de Agosto de 2025  Carlos Rodrigues dos Santos
-#
-# Contato:
-# Carlos Rodrigues dos Santos
-# carlex22@gmail.com
-# Rua Eduardo Carlos Pereira, 4125, B1 Ap32, Curitiba, PR, Brazil, CEP 8102025
-#
-# Repositórios e Projetos Relacionados:
-# GitHub: https://github.com/carlex22/Aduc-sdr
-# Hugging Face: https://huggingface.co/spaces/Carlexx/Ltx-SuperTime-60Secondos/
-# Hugging Face: https://huggingface.co/spaces/Carlexxx/Novinho/
-#
-# Este programa é software livre: você pode redistribuí-lo e/ou modificá-lo
-# sob os termos da Licença Pública Geral Affero da GNU como publicada pela
-# Free Software Foundation, seja a versão 3 da Licença, ou
-# (a seu critério) qualquer versão posterior.
-#
-# Este programa é distribuído na esperança de que seja útil,
-# mas SEM QUALQUER GARANTIA; sem mesmo a garantia implícita de
-# COMERCIALIZAÇÃO ou ADEQUAÇÃO A UM DETERMINADO FIM. Consulte a
-# Licença Pública Geral Affero da GNU para mais detalhes.
-#
-# Você deve ter recebido uma cópia da Licença Pública Geral Affero da GNU
-# junto com este programa. Se não, veja <https://www.gnu.org/licenses/>.
-
-# --- app_demo.py (NOVINHO-6.2: Demo Version) ---
-
-# --- Ato 1: A Convocação da Orquestra (Importações) ---
-import gradio as gr
-import torch
-import os
-import yaml
-from PIL import Image, ImageOps, ExifTags
-import shutil
-import gc
-import subprocess
-import google.generativeai as genai
-import numpy as np
-import imageio
-from pathlib import Path
-import huggingface_hub
-import json
-import time
-import spaces
-
-# --- Variável de Controle do Modo Demo ---
-# Para habilitar a funcionalidade completa, mude esta variável para True.
-# Isso requer que o Space esteja rodando em um hardware de GPU.
-ENABLE_MODELS = False
-
-# Importações condicionais que dependem dos modelos
-if ENABLE_MODELS:
-    from inference import create_ltx_video_pipeline, load_image_to_tensor_with_resize_and_crop, ConditioningItem, calculate_padding
-    from dreamo_helpers import dreamo_generator_singleton
-
-# --- Ato 2: A Preparação do Palco (Configurações Condicionais) ---
-if ENABLE_MODELS:
-    config_file_path = "configs/ltxv-13b-0.9.8-distilled.yaml"
-    with open(config_file_path, "r") as file: PIPELINE_CONFIG_YAML = yaml.safe_load(file)
-
-    LTX_REPO = "Lightricks/LTX-Video"
-    models_dir = "downloaded_models_gradio"
-    Path(models_dir).mkdir(parents=True, exist_ok=True)
-    
-    print("MODO COMPLETO ATIVADO: Carregando pipelines LTX na CPU (estado de repouso)...")
-    distilled_model_actual_path = huggingface_hub.hf_hub_download(repo_id=LTX_REPO, filename=PIPELINE_CONFIG_YAML["checkpoint_path"], local_dir=models_dir, local_dir_use_symlinks=False)
-    pipeline_instance = create_ltx_video_pipeline(
-        ckpt_path=distilled_model_actual_path,
-        precision=PIPELINE_CONFIG_YAML["precision"],
-        text_encoder_model_name_or_path=PIPELINE_CONFIG_YAML["text_encoder_model_name_or_path"],
-        sampler=PIPELINE_CONFIG_YAML["sampler"],
-        device='cpu'
-    )
-    print("Modelos LTX prontos (na CPU).")
-else:
-    # Em modo demo, definimos as variáveis dos modelos como None para evitar erros.
-    pipeline_instance = None
-    dreamo_generator_singleton = None
-    print("MODO DEMO ATIVADO: Carregamento de modelos pesados ignorado.")
-
-WORKSPACE_DIR = "aduc_workspace"
-GEMINI_API_KEY = os.environ.get("GEMINI_API_KEY")
-VIDEO_FPS = 24
-TARGET_RESOLUTION = 420
-
-
-# --- Ato 3: As Partituras dos Músicos (Funções de Geração e Análise) ---
-
-# Funções que NÃO dependem dos modelos locais podem funcionar normalmente
-def robust_json_parser(raw_text: str) -> dict:
-    try:
-        start_index = raw_text.find('{'); end_index = raw_text.rfind('}')
-        if start_index != -1 and end_index != -1 and end_index > start_index:
-            json_str = raw_text[start_index : end_index + 1]; return json.loads(json_str)
-        else: raise ValueError("Nenhum objeto JSON válido encontrado na resposta da IA.")
-    except json.JSONDecodeError as e: raise ValueError(f"Falha ao decodificar JSON: {e}")
-
-def extract_image_exif(image_path: str) -> str:
-    # ... (código interno idêntico) ...
-    return "Could not read EXIF data."
-
-def run_storyboard_generation(num_fragments: int, prompt: str, initial_image_path: str):
-    if not initial_image_path: raise gr.Error("Por favor, forneça uma imagem de referência inicial.")
-    if not GEMINI_API_KEY: raise gr.Error("Chave da API Gemini não configurada! Esta função requer uma chave, mesmo em modo demo.")
-    # ... (código interno idêntico) ...
-    return storyboard
-
-# Funções que dependem dos modelos precisam de uma "cláusula de guarda"
-@spaces.GPU(duration=180)
-def run_keyframe_generation(storyboard, ref_images_tasks, progress=gr.Progress()):
-    if not ENABLE_MODELS or dreamo_generator_singleton is None:
-        raise gr.Error("Modo Demo Ativado! Para gerar imagens, por favor, clone este Space, mude a variável 'ENABLE_MODELS' para True no arquivo app.py e use hardware de GPU.")
-    
-    # O resto da função é idêntico à versão `app_gpu.py`
-    if not storyboard: raise gr.Error("Nenhum roteiro para gerar keyframes.")
-    # ... (código interno idêntico) ...
-    try:
-        dreamo_generator_singleton.to_gpu()
-        # ...
-    finally:
-        dreamo_generator_singleton.to_cpu()
-        gc.collect()
-        torch.cuda.empty_cache()
-    # ...
-    yield {keyframe_log_output: gr.update(value=log_history), keyframe_gallery_output: gr.update(value=generated_images_for_gallery), keyframe_images_state: keyframe_paths}
-
-
-def get_dreamo_prompt_for_transition(previous_image_path: str, target_scene_description: str):
-    # Esta função também depende do Gemini, que deve funcionar
-    if not GEMINI_API_KEY: raise gr.Error("Chave da API Gemini não configurada!")
-    # ... (código interno idêntico) ...
-    return response.text.strip().replace("\"", "")
-
-def get_initial_motion_prompt(user_prompt: str, start_image_path: str, destination_image_path: str, dest_scene_desc: str):
-    if not GEMINI_API_KEY: raise gr.Error("Chave da API Gemini não configurada!")
-    # ... (código interno idêntico) ...
-    return response.text.strip()
-
-def get_dynamic_motion_prompt(user_prompt, story_history, memory_media_path, path_image_path, destination_image_path, path_scene_desc, dest_scene_desc):
-    if not GEMINI_API_KEY: raise gr.Error("Chave da API Gemini não configurada!")
-    # ... (código interno idêntico) ...
-    return response.text.strip()
-
-@spaces.GPU(duration=360)
-def run_video_production(
-    video_duration_seconds, video_fps, eco_video_frames, use_attention_slicing,
-    fragment_duration_frames, mid_cond_strength, num_inference_steps,
-    prompt_geral, keyframe_images_state, scene_storyboard, cfg, 
-    progress=gr.Progress()
-):
-    if not ENABLE_MODELS or pipeline_instance is None:
-        raise gr.Error("Modo Demo Ativado! Para gerar vídeos, por favor, clone este Space, mude a variável 'ENABLE_MODELS' para True no arquivo app.py e use hardware de GPU.")
-
-    # O resto da função é idêntico à versão `app_gpu.py`
-    video_total_frames = int(video_duration_seconds * video_fps)
-    # ... (código interno idêntico) ...
-    try:
-        pipeline_instance.to(target_device)
-        # ...
-    finally:
-        pipeline_instance.to('cpu')
-        gc.collect()
-        torch.cuda.empty_cache()
-
-# O restante das funções helper que não carregam modelos não precisam de mudanças
-def process_image_to_square(image_path: str, size: int = TARGET_RESOLUTION) -> str:
-    # ... (código interno idêntico) ...
-    return output_path
-
-# Funções que usam os modelos precisam ser capazes de lidar com a instância `None`
-def load_conditioning_tensor(media_path: str, height: int, width: int) -> torch.Tensor:
-    if not ENABLE_MODELS: return None # Retorna None se em modo demo
-    # ... (código interno idêntico) ...
-    return load_image_to_tensor_with_resize_and_crop(media_path, height, width)
-
-def run_ltx_animation(*args, **kwargs):
-    if not ENABLE_MODELS: return None, 0 # Retorna None se em modo demo
-    # ... (código interno idêntico da `app_gpu.py`) ...
-    return output_path, actual_num_frames
-
-def trim_video_to_frames(input_path: str, output_path: str, frames_to_keep: int) -> str:
-    # ... (código interno idêntico) ...
-    return output_path
-
-def extract_last_n_frames_as_video(input_path: str, output_path: str, n_frames: int) -> str:
-    # ... (código interno idêntico) ...
-    return output_path
-
-def concatenate_and_trim_masterpiece(fragment_paths: list, fragment_duration_frames: int, eco_video_frames: int, progress=gr.Progress()):
-    if not fragment_paths: raise gr.Error("Nenhum fragmento de vídeo para concatenar.")
-    # ... (código interno idêntico) ...
-    return final_output_path
-
-# --- Ato 5: A Interface com o Mundo (UI) ---
-with gr.Blocks(theme=gr.themes.Soft()) as demo:
-    gr.Markdown("# NOVIM-6.2 (Painel de Controle do Diretor)\n*By Carlex & Gemini & DreamO - Versão de Demonstração*")
-    
-    # Banner de Aviso para o Modo Demo
-    if not ENABLE_MODELS:
-        gr.Warning(
-            """
-            **MODO DE DEMONSTRAÇÃO ATIVADO**
-            Você pode explorar a interface e usar a "Etapa 1: Gerar Roteiro" se tiver uma chave da API Gemini configurada.
-            Para habilitar a geração de imagens e vídeos (Etapas 2 e 3), você precisa:
-            1. **Fork este Space:** Clique no menu de três pontos ao lado do título e selecione "Duplicate this Space".
-            2. **Escolha um Hardware de GPU:** Na tela de duplicação, selecione um hardware de GPU (ex: T4 Small).
-            3. **Edite o `app.py`:** Na aba "Files" do seu novo Space, edite o arquivo `app.py`.
-            4. **Ative os Modelos:** Mude a linha `ENABLE_MODELS = False` para `ENABLE_MODELS = True`.
-            5. Salve o arquivo. O Space será reiniciado com a funcionalidade completa.
-            """
-        )
-
-    if os.path.exists(WORKSPACE_DIR): shutil.rmtree(WORKSPACE_DIR)
-    os.makedirs(WORKSPACE_DIR); Path("prompts").mkdir(exist_ok=True)
-    
-    # O resto da UI permanece o mesmo
-    scene_storyboard_state, keyframe_images_state, fragment_list_state = gr.State([]), gr.State([]), gr.State([])
-    # ... (código da UI idêntico à versão `app_gpu.py` a partir daqui) ...
-    prompt_geral_state, processed_ref_path_state = gr.State(""), gr.State("")
-
-    gr.Markdown("--- \n ## ETAPA 1: O ROTEIRO (IA Roteirista)")
-    with gr.Row():
-        with gr.Column(scale=1):
-            prompt_input = gr.Textbox(label="Ideia Geral (Prompt)")
-            num_fragments_input = gr.Slider(2, 5, 4, step=1, label="Número de Atos (Keyframes)")
-            image_input = gr.Image(type="filepath", label=f"Imagem de Referência Principal (será {TARGET_RESOLUTION}x{TARGET_RESOLUTION})")
-            director_button = gr.Button("▶️ 1. Gerar Roteiro", variant="primary")
-        with gr.Column(scale=2): storyboard_to_show = gr.JSON(label="Roteiro de Cenas Gerado (em Inglês)")
-
-    gr.Markdown("--- \n ## ETAPA 2: OS KEYFRAMES (IA Pintor & Diretor de Arte)")
-    with gr.Row():
-        with gr.Column(scale=2):
-            gr.Markdown("Forneça referências para guiar a IA. A Principal é obrigatória. A Secundária é opcional (ex: para estilo ou uma segunda pessoa).")
-            with gr.Row():
-                with gr.Column():
-                    ref1_image = gr.Image(label="Referência Principal (Conteúdo/ID)", type="filepath")
-                    ref1_task = gr.Dropdown(choices=["ip", "id", "style"], value="ip", label="Tarefa da Ref. Principal")
-                with gr.Column():
-                    ref2_image = gr.Image(label="Referência Secundária (Opcional)", type="filepath")
-                    ref2_task = gr.Dropdown(choices=["ip", "id", "style"], value="style", label="Tarefa da Ref. Secundária")
-            photographer_button = gr.Button("▶️ 2. Pintar Imagens-Chave em Cadeia", variant="primary")
-        with gr.Column(scale=1):
-            keyframe_log_output = gr.Textbox(label="Diário de Bordo do Pintor", lines=15, interactive=False)
-            keyframe_gallery_output = gr.Gallery(label="Imagens-Chave Pintadas", object_fit="contain", height="auto", type="filepath")
-
-    gr.Markdown("--- \n ## ETAPA 3: A PRODUÇÃO (IA Cineasta & Câmera)")
-    with gr.Row():
-        with gr.Column(scale=1):
-            cfg_slider = gr.Slider(1.0, 10.0, 2.5, step=0.1, label="CFG")
-            with gr.Accordion("Controles Avançados de Timing e Performance", open=False):
-                video_duration_slider = gr.Slider(label="Duração da Geração Bruta (segundos)", minimum=2.0, maximum=10.0, value=6.0, step=0.5)
-                video_fps_slider = gr.Slider(label="FPS do Vídeo", minimum=12, maximum=30, value=30, step=1)
-                num_inference_steps_slider = gr.Slider(label="Etapas de Inferência", minimum=10, maximum=50, value=30, step=1)
-                slicing_checkbox = gr.Checkbox(label="Usar Attention Slicing (Economiza VRAM)", value=True)
-                gr.Markdown("---"); gr.Markdown("#### Controles de Duração (Arquitetura Eco + Déjà Vu)")
-                fragment_duration_slider = gr.Slider(label="Duração de Cada Fragmento (Frames)", minimum=30, maximum=300, value=90, step=1)
-                eco_frames_slider = gr.Slider(label="Tamanho do Eco Cinético (Frames)", minimum=4, maximum=48, value=8, step=1)
-                mid_cond_strength_slider = gr.Slider(label="Força do 'Caminho'", minimum=0.1, maximum=1.0, value=0.5, step=0.05)
-            gr.Markdown(
-                """
-                **Instruções (Nova Arquitetura):**
-                - **Duração da Geração Bruta:** Tempo total que a IA tem para criar a transição. Deve ser MAIOR que a Duração do Fragmento.
-                - **Duração de Cada Fragmento:** O comprimento final de cada clipe de vídeo que será gerado.
-                - **Tamanho do Eco Cinético:** Quantos frames do *final* de um fragmento serão passados para o próximo para garantir continuidade.
-                - **Força do Caminho:** Define o quão forte a imagem-chave intermediária ('Caminho') influencia a transição.
-                """
-            )
-            animator_button = gr.Button("▶️ 3. Produzir Cenas (Handoff Cinético)", variant="primary")
-            with gr.Accordion("Visualização das Mídias de Condicionamento (Ao Vivo)", open=True):
-                with gr.Row():
-                    prod_media_start_output = gr.Video(label="Mídia Inicial (Eco/K1)", interactive=False)
-                    prod_media_mid_output = gr.Image(label="Mídia do Caminho (K_i-1)", interactive=False, visible=False)
-                    prod_media_end_output = gr.Image(label="Mídia de Destino (K_i)", interactive=False)
-            production_log_output = gr.Textbox(label="Diário de Bordo da Produção", lines=10, interactive=False)
-        with gr.Column(scale=1): video_gallery_glitch = gr.Gallery(label="Fragmentos Gerados (Versões Cortadas)", object_fit="contain", height="auto", type="video")
-    
-    fragment_duration_state = gr.State()
-    eco_frames_state = gr.State()
-    
-    gr.Markdown(f"--- \n ## ETAPA 4: PÓS-PRODUÇÃO (Editor)")
-    editor_button = gr.Button("▶️ 4. Montar Vídeo Final", variant="primary")
-    final_video_output = gr.Video(label="A Obra-Prima Final", width=TARGET_RESOLUTION)
-
-    gr.Markdown(
-        """
-        ---
-        ### A Arquitetura: Eco + Déjà Vu
-        A geração começa com um "Big Bang" entre os dois primeiros keyframes. A partir daí, a mágica acontece.
-        *   **O Eco (A Memória Física):** No final de cada cena, os últimos frames são capturados e salvos como um pequeno vídeo, o `Eco`. Ele carrega a "energia cinética" do movimento, iluminação e atmosfera da cena que acabou.
-        *   **O Déjà Vu (A Memória Conceitual):** Para criar a próxima cena, o Cineasta de IA (Gemini) assiste ao `Eco`, olha para o keyframe do "caminho" e o keyframe do "destino". Com essa visão tripla, ele tem um "déjà vu", uma memória do que acabou de acontecer que o inspira a escrever uma instrução de câmera precisa para conectar o passado ao futuro de forma fluida e coerente.
-        """
-    )
-    
-    # --- Ato 6: A Regência (Lógica de Conexão dos Botões) ---
-    def process_and_update_storyboard(num_fragments, prompt, image_path):
-        processed_path = process_image_to_square(image_path)
-        if not processed_path: raise gr.Error("A imagem de referência é inválida ou não foi fornecida.")
-        storyboard = run_storyboard_generation(num_fragments, prompt, processed_path)
-        return storyboard, prompt, processed_path
-
-    director_button.click(
-        fn=process_and_update_storyboard, 
-        inputs=[num_fragments_input, prompt_input, image_input], 
-        outputs=[scene_storyboard_state, prompt_geral_state, processed_ref_path_state]
-    ).success(
-        fn=lambda s, p: (s, p),
-        inputs=[scene_storyboard_state, processed_ref_path_state],
-        outputs=[storyboard_to_show, ref1_image]
-    )
-    
-    @photographer_button.click(
-        inputs=[scene_storyboard_state, ref1_image, ref1_task, ref2_image, ref2_task],
-        outputs=[keyframe_log_output, keyframe_gallery_output, keyframe_images_state]
-    )
-    def run_keyframe_generation_wrapper(storyboard, ref1_img, ref1_tsk, ref2_img, ref2_tsk, progress=gr.Progress()):
-        ref_data = [
-            {'image': ref1_img, 'task': ref1_tsk},
-            {'image': ref2_img, 'task': ref2_tsk}
-        ]
-        yield from run_keyframe_generation(storyboard, ref_data, progress)
-
-    animator_button.click(
-        fn=lambda frag_dur, eco_dur: (frag_dur, eco_dur),
-        inputs=[fragment_duration_slider, eco_frames_slider],
-        outputs=[fragment_duration_state, eco_frames_state]
-    ).then(
-        fn=run_video_production,
-        inputs=[
-            video_duration_slider, video_fps_slider, eco_frames_slider, slicing_checkbox,
-            fragment_duration_slider, mid_cond_strength_slider,
-            num_inference_steps_slider,
-            prompt_geral_state, keyframe_images_state, scene_storyboard_state, cfg_slider
-        ],
-        outputs=[
-            production_log_output, video_gallery_glitch, fragment_list_state,
-            prod_media_start_output, prod_media_mid_output, prod_media_end_output
-        ]
-    )
-    
-    editor_button.click(
-        fn=concatenate_and_trim_masterpiece, 
-        inputs=[fragment_list_state, fragment_duration_state, eco_frames_state], 
-        outputs=[final_video_output]
-    )
-
-if __name__ == "__main__":
-    demo.queue().launch(server_name="0.0.0.0", share=True)