Update api/seedvr_server.py

api/seedvr_server.py

@@ -1,142 +1,248 @@
-# api/seedvr_server.py
+# app_seedvr.py
 
 import os
 import sys
-import shutil
-import mimetypes
-import time
-import subprocess # Necessário para clonar o repositório na configuração inicial
 from pathlib import Path
-from typing import Optional, Callable
-from types import SimpleNamespace
+from typing import Optional
+import gradio as gr
+import cv2
 
-from huggingface_hub import hf_hub_download
-
-# Adiciona dinamicamente o caminho do repositório clonado ao sys.path.
-# Isso é crucial para que a importação do 'inference_cli' funcione.
-SEEDVR_REPO_PATH = Path(os.getenv("SEEDVR_ROOT", "/data/SeedVR"))
-if str(SEEDVR_REPO_PATH) not in sys.path:
-    # Insere no início da lista para garantir prioridade de importação.
-    sys.path.insert(0, str(SEEDVR_REPO_PATH))
-
-# Tenta importar as funções necessárias APÓS a modificação do path.
-# Se falhar, a aplicação não pode continuar.
+# --- INTEGRAÇÃO COM A LÓGICA DO SERVIDOR ---
 try:
-    from inference_cli import run_inference_logic, save_frames_to_video
+    # Importa a classe SeedVRServer que agora atua como nossa biblioteca de inferência.
+    from api.seedvr_server import SeedVRServer
 except ImportError as e:
-    print(f"ERRO FATAL: Não foi possível importar de 'inference_cli.py'.")
-    print(f"Verifique se o repositório em '{SEEDVR_REPO_PATH}' está correto e completo.")
-    raise e
+    print(f"ERRO FATAL: Não foi possível importar o SeedVRServer. Detalhes: {e}")
+    # A aplicação não pode rodar sem a lógica do servidor.
+    raise
 
-class SeedVRServer:
-    def __init__(self, **kwargs):
-        """
-        Inicializa o servidor, define os caminhos e prepara o ambiente.
-        """
-        self.SEEDVR_ROOT = SEEDVR_REPO_PATH
-        self.CKPTS_ROOT = Path("/data/seedvr_models_fp16") 
-        self.OUTPUT_ROOT = Path(os.getenv("OUTPUT_ROOT", "/app/outputs"))
-        self.INPUT_ROOT = Path(os.getenv("INPUT_ROOT", "/app/inputs"))
-        self.HF_HOME_CACHE = Path(os.getenv("HF_HOME", "/data/.cache/huggingface"))
-        self.REPO_URL = os.getenv("SEEDVR_GIT_URL", "https://github.com/numz/ComfyUI-SeedVR2_VideoUpscaler")
-        self.NUM_GPUS_TOTAL = int(os.getenv("NUM_GPUS", "4"))
+# --- INICIALIZAÇÃO ---
+# Cria uma instância única e persistente do servidor.
+# A inicialização (clonar repo, baixar modelos) acontece apenas uma vez, no início.
+server = SeedVRServer()
+
+# --- FUNÇÕES AUXILIARES ---
+
+def _is_video(path: str) -> bool:
+    """Verifica se um caminho de arquivo corresponde a um tipo de vídeo."""
+    if not path: return False
+    import mimetypes
+    mime, _ = mimetypes.guess_type(path)
+    return (mime or "").startswith("video")
+
+def _extract_first_frame(video_path: str) -> Optional[str]:
+    """Extrai o primeiro frame de um vídeo e o salva como uma imagem JPG."""
+    if not video_path or not os.path.exists(video_path): return None
+    try:
+        vid_cap = cv2.VideoCapture(video_path)
+        if not vid_cap.isOpened():
+            print(f"Erro: Não foi possível abrir o vídeo em {video_path}")
+            return None
+        success, image = vid_cap.read()
+        vid_cap.release()
+        if not success:
+            print(f"Erro: Não foi possível ler o primeiro frame de {video_path}")
+            return None
+        
+        # Salva o frame no mesmo diretório do vídeo, com extensão .jpg
+        image_path = Path(video_path).with_suffix(".jpg")
+        cv2.imwrite(str(image_path), image)
+        return str(image_path)
+    except Exception as e:
+        print(f"Erro ao extrair o primeiro frame: {e}")
+        return None
+
+def on_file_upload(file_obj):
+    """
+    Callback acionado quando o usuário faz o upload de um arquivo.
+    Verifica se o arquivo é um vídeo e sugere um `sp_size` apropriado.
+    """
+    if file_obj is None:
+        # Limpa os resultados e o log se o arquivo for removido
+        return gr.update(value=1), None, None, None, gr.update(value=None, visible=False)
+    
+    if _is_video(file_obj.name):
+        # Para vídeos, sugere um valor padrão para multi-GPU e torna o slider interativo
+        return gr.update(value=4, interactive=True), None, None, None, gr.update(value=None, visible=False)
+    else:
+        # Para imagens, trava o valor em 1
+        return gr.update(value=1, interactive=False), None, None, None, gr.update(value=None, visible=False)
+
+# --- FUNÇÃO PRINCIPAL DE INFERÊNCIA DA UI ---
+
+def run_inference_ui(
+    input_file_path: Optional[str],
+    resolution: str,
+    sp_size: int,
+    fps: float,
+    progress=gr.Progress(track_tqdm=True)
+):
+    """
+    A função de callback principal do Gradio. Usa geradores (`yield`)
+    para permitir atualizações da UI em tempo real durante a tarefa de longa duração.
+    """
+    # 1. Estado Inicial e Validação
+    # No início, desabilita o botão, limpa resultados anteriores e mostra a janela de log.
+    yield (
+        gr.update(interactive=False, value="Processing... 🚀"),
+        gr.update(value=None, visible=False),
+        gr.update(value=None, visible=False),
+        gr.update(value=None, visible=False),
+        gr.update(value="▶ Starting inference process...\n", visible=True)
+    )
+
+    if not input_file_path:
+        gr.Warning("Please upload a media file first.")
+        # Reabilita o botão e esconde os componentes de saída
+        yield (gr.update(interactive=True, value="Restore Media"), None, None, None, gr.update(visible=False))
+        return
+
+    log_buffer = ["▶ Starting inference process...\n"]
+    last_log_message = ""
+    was_input_video = _is_video(input_file_path)
+
+    try:
+        # Define um callback que será chamado pelo backend para atualizar o progresso e o log
+        def progress_callback_wrapper(step: float, desc: str):
+            """ Wrapper para formatar logs e atualizar o progresso. """
+            nonlocal last_log_message
+            # Só adiciona ao log se a mensagem for nova, para evitar poluição visual
+            if desc != last_log_message:
+                log_buffer.append(f"⏳ {desc}\n")
+                last_log_message = desc
+            # Atualiza o objeto de progresso do Gradio
+            progress(step, desc=desc)
+
+        # 2. Executa a Inferência
+        # Chama o método direto do servidor, passando o nosso callback.
+        video_result_path = server.run_inference_direct(
+            file_path=input_file_path,
+            seed=42, # Semente fixa conforme solicitado
+            res_h=int(resolution),
+            res_w=int(resolution), # Largura igual à altura
+            sp_size=int(sp_size),
+            fps=float(fps) if fps and fps > 0 else None,
+            progress=progress_callback_wrapper, # Passa nossa função de callback
+        )
         
-        print("🚀 SeedVRServer (Modo de Chamada Direta) inicializando...")
-        for p in [self.CKPTS_ROOT, self.OUTPUT_ROOT, self.INPUT_ROOT, self.HF_HOME_CACHE]:
-            p.mkdir(parents=True, exist_ok=True)
+        progress(1.0, desc="Complete!")
+        log_buffer.append("✅ Inference complete! Processing final output...\n")
         
-        self.setup_dependencies()
-        print("✅ SeedVRServer (Modo de Chamada Direta) pronto.")
-
-    def setup_dependencies(self):
-        """ Garante que o repositório e os modelos estão presentes. """
-        self._ensure_repo()
-        self._ensure_model()
-
-    def _ensure_repo(self) -> None:
-        """ Clona o repositório do SeedVR se ele não existir. """
-        if not (self.SEEDVR_ROOT / ".git").exists():
-            print(f"[SeedVRServer] Clonando repositório para {self.SEEDVR_ROOT}...")
-            # Usamos subprocess.run aqui porque é uma tarefa de inicialização única.
-            subprocess.run(["git", "clone", "--depth", "1", self.REPO_URL, str(self.SEEDVR_ROOT)], check=True)
-        else:
-            print("[SeedVRServer] Repositório SeedVR já existe.")
-
-    def _ensure_model(self) -> None:
-        """ Baixa os checkpoints do Hugging Face se não existirem localmente. """
-        print(f"[SeedVRServer] Verificando checkpoints (FP16) em {self.CKPTS_ROOT}...")
-        model_files = {
-            "seedvr2_ema_3b_fp16.safetensors": "MonsterMMORPG/SeedVR2_SECourses",
-            "ema_vae_fp16.safetensors": "MonsterMMORPG/SeedVR2_SECourses",
-            "pos_emb.pt": "ByteDance-Seed/SeedVR2-3B",
-            "neg_emb.pt": "ByteDance-Seed/SeedVR2-3B"
-        }
-        for filename, repo_id in model_files.items():
-            if not (self.CKPTS_ROOT / filename).exists():
-                print(f"Baixando {filename} de {repo_id}...")
-                hf_hub_download(
-                    repo_id=repo_id, filename=filename, local_dir=str(self.CKPTS_ROOT),
-                    cache_dir=str(self.HF_HOME_CACHE), token=os.getenv("HF_TOKEN")
-                )
-        print("[SeedVRServer] Checkpoints (FP16) estão no local correto.")
+        # 3. Processa e Exibe os Resultados
+        final_image, final_video = None, None
+        if was_input_video:
+            final_video = video_result_path
+            log_buffer.append("✅ Video result is ready.\n")
+        else: # Se a entrada foi uma imagem
+            final_image = _extract_first_frame(video_result_path)
+            final_video = video_result_path # Também disponibiliza o vídeo de 1 frame
+            log_buffer.append("✅ Image result extracted from video.\n")
+        
+        # Yield final para mostrar os resultados e reabilitar o botão
+        yield (
+            gr.update(interactive=True, value="Restore Media"),
+            gr.update(value=final_image, visible=final_image is not None),
+            gr.update(value=final_video, visible=final_video is not None),
+            gr.update(value=video_result_path, visible=video_result_path is not None),
+            ''.join(log_buffer)
+        )
+
+    except Exception as e:
+        error_message = f"❌ Inference failed: {e}"
+        gr.Error(error_message)
+        log_buffer.append(f"\n{error_message}")
+        import traceback
+        traceback.print_exc()
         
-    def run_inference_direct(
-        self,
-        file_path: str, *,
-        seed: int, res_h: int, res_w: int, sp_size: int,
-        fps: Optional[float] = None, progress: Optional[Callable] = None
-    ) -> str:
+        # Yield para estado de erro: reabilita o botão e mostra o log com o erro
+        yield (
+            gr.update(interactive=True, value="Restore Media"),
+            None, None, None,
+            gr.update(value=''.join(log_buffer), visible=True)
+        )
+
+# --- LAYOUT DA INTERFACE GRÁFICA (GRADIO) ---
+
+with gr.Blocks(theme=gr.themes.Soft(primary_hue="blue"), title="SeedVR Media Restoration") as demo:
+    # Cabeçalho
+    gr.Markdown(
         """
-        Executa a inferência diretamente no mesmo processo e retorna o caminho do arquivo de saída.
+        <div style='text-align: center; margin-bottom: 20px;'>
+            <h1>📸 SeedVR - Image & Video Restoration 🚀</h1>
+            <p>High-quality media upscaling powered by SeedVR-3B. Upload your file and see the magic.</p>
+        </div>
         """
-        # Cria um diretório de saída único para salvar o resultado.
-        out_dir = self.OUTPUT_ROOT / f"run_{int(time.time())}_{Path(file_path).stem}"
-        out_dir.mkdir(parents=True, exist_ok=True)
-        output_filepath = out_dir / f"result_{Path(file_path).stem}.mp4"
-
-        # Simula o objeto 'args' que a função de lógica do inference_cli espera.
-        # Usamos SimpleNamespace para criar um objeto simples com atributos.
-        args = SimpleNamespace(
-            video_path=file_path,
-            output=str(output_filepath),
-            model_dir=str(self.CKPTS_ROOT),
-            seed=seed,
-            resolution=res_h, # O script do SeedVR usa a altura (lado menor) como referência.
-            batch_size=sp_size,
-            model="seedvr2_ema_3b_fp16.safetensors",
-            preserve_vram=True,
-            debug=True, # Mantém o debug ativo para logs detalhados.
-            cuda_device=",".join(map(str, range(self.NUM_GPUS_TOTAL))),
-            skip_first_frames=0,
-            load_cap=0,
-            output_format='video' # Garante que sempre gere vídeo
-        )
+    )
 
-        try:
-            # Informa a UI que o processo começou.
-            if progress:
-                progress(0.01, "Initializing...")
-            
-            # Chama a função importada do script original, passando o callback de progresso.
-            # Este callback será chamado de dentro da lógica de multi-processamento.
-            result_tensor, original_fps, _, _ = run_inference_logic(args, progress_callback=progress)
+    with gr.Row():
+        # --- Coluna da Esquerda: Entradas e Controles ---
+        with gr.Column(scale=1):
+            gr.Markdown("### 1. Upload Media")
+            input_media = gr.File(label="Input File (Video or Image)", type="filepath", interactive=True)
             
-            # Informa a UI que a inferência terminou e o salvamento vai começar.
-            if progress:
-                progress(0.95, "Saving the final video...")
+            gr.Markdown("### 2. Configure Settings")
+            with gr.Accordion("Generation Parameters", open=True):
+                resolution_select = gr.Dropdown(
+                    label="Resolution",
+                    choices=["480", "560", "720", "960", "1024"],
+                    value="480",
+                    info="Sets the output height and width to this value."
+                )
+                
+                sp_size_slider = gr.Slider(
+                    label="Frames per Batch (sp_size)",
+                    minimum=1, maximum=16, step=1, value=4,
+                    info="For multi-GPU videos. Automatically set to 1 for images."
+                )
 
-            # Define o FPS final: usa o valor da UI ou o original do vídeo de entrada.
-            final_fps = fps if fps and fps > 0 else original_fps
-            save_frames_to_video(result_tensor, str(output_filepath), final_fps, args.debug)
-            
-            print(f"✅ Video saved successfully to: {output_filepath}")
-            
-            # Retorna o caminho do arquivo gerado para a UI.
-            return str(output_filepath)
+                fps_out = gr.Number(label="Output FPS (for Videos)", value=24, precision=0, info="Set to 0 to use the original FPS.")
+
+            run_button = gr.Button("Restore Media", variant="primary", icon="✨")
+
+        # --- Coluna da Direita: Resultados ---
+        with gr.Column(scale=2):
+            gr.Markdown("### 3. Results")
             
-        except Exception as e:
-            print(f"❌ Error during direct inference execution: {e}")
-            import traceback
-            traceback.print_exc()
-            # Propaga o erro para a UI do Gradio, que o exibirá de forma amigável.
-            raise
+            # Janela de Log
+            log_window = gr.Textbox(
+                label="Inference Log 📝",
+                lines=8, max_lines=15,
+                interactive=False, visible=False, autoscroll=True
+            )
+
+            # Componentes de saída (começam invisíveis)
+            output_image = gr.Image(label="Image Result", show_download_button=True, type="filepath", visible=False)
+            output_video = gr.Video(label="Video Result", visible=False)
+            output_download = gr.File(label="Download Full Result (Video)", visible=False)
+
+    # --- Rodapé ---
+    gr.Markdown(
+        """
+        ---
+        *Space and Docker were developed by Carlex.*
+        *Contact: Email: Carlex22@gmail.com | GitHub: [carlex22](https://github.com/carlex22)*
+        """
+    )
+    
+    # --- Lógica de Eventos da UI ---
+    
+    # Ao fazer upload de um arquivo, ajusta o slider `sp_size` e limpa saídas antigas.
+    input_media.upload(
+        fn=on_file_upload,
+        inputs=[input_media],
+        outputs=[sp_size_slider, output_image, output_video, output_download, log_window]
+    )
+    
+    # Ao clicar no botão, executa a função de inferência principal.
+    run_button.click(
+        fn=run_inference_ui,
+        inputs=[input_media, resolution_select, sp_size_slider, fps_out],
+        outputs=[run_button, output_image, output_video, output_download, log_window],
+    )
+
+if __name__ == "__main__":
+    demo.launch(
+        server_name=os.getenv("GRADIO_SERVER_NAME", "0.0.0.0"),
+        server_port=int(os.getenv("GRADIO_SERVER_PORT", "7860")),
+        show_error=True
+    )