Upload ai_studio_code (98).py

ai_studio_code (98).py

@@ -0,0 +1,348 @@
+# 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)