Update api/ltx/ltx_aduc_pipeline.py

api/ltx/ltx_aduc_pipeline.py

@@ -181,7 +181,7 @@ class LtxAducPipeline:
         """
         # Só imprime o log se o nível de logging for DEBUG
         if logging.getLogger().isEnabledFor(logging.INFO):
-            log_str = ["\n" + "="*25 + " INFO: Conditioning Items " + "="*25]
+            log_str = ["\n" + "="*10 + " INFO: Conditioning Items " + "="*10]
             if not items:
                 log_str.append("  -> Lista de conditioning_items está vazia.")
             else:
@@ -197,8 +197,11 @@ class LtxAducPipeline:
                             f"Strength = {item.conditioning_strength:.2f}"
                         )
                     else:
+                        tt = str(itemvalue)
                         log_str.append(f"  -> Item [{i}]: Não contém um tensor válido.")
-            log_str.append("="*75 + "\n")
+                        log_str.append(f" {tt[:70]}")
+                        
+            log_str.append("="*40 + "\n")
             
             # Usa o logger de debug para imprimir a mensagem completa
             logging.info("\n".join(log_str))
@@ -252,12 +255,8 @@ class LtxAducPipeline:
         # Loga os conditioning_items separadamente com a nossa função helper
         conditioning_items_list = kwargs.get('conditioning_items')
         self._log_conditioning_items(conditioning_items_list)
-        # --- Fim do Bloco de Logging ---
-
-        # 5. Adiciona os conditioning_items ao dicionário
         pipeline_kwargs['conditioning_items'] = conditioning_items_list
         
-        # 6. Executa o pipeline com o dicionário completo
         with torch.autocast(device_type=self.main_device.type, dtype=self.runtime_autocast_dtype, enabled="cuda" in self.main_device.type):
             latents_raw = self.pipeline(**pipeline_kwargs).images