Update app.py

app.py

@@ -1,55 +1,87 @@
-# Dockerfile (VERSÃO FINAL CORRIGIDA)
-
-# 1. COMEÇAR COM A BASE CORRETA: Uma imagem oficial da NVIDIA com CUDA 12.1.1 e as ferramentas de desenvolvimento (devel)
-FROM nvidia/cuda:12.1.1-devel-ubuntu22.04
-
-# 2. INSTALAR DEPENDÊNCIAS DO SISTEMA
-# Precisamos de wget para baixar o miniconda e git para clonar o repositório.
-# DEBIAN_FRONTEND=noninteractive evita que a instalação peça inputs.
-ENV DEBIAN_FRONTEND=noninteractive
-RUN apt-get update && apt-get install -y --no-install-recommends \
-    wget \
-    git \
-    && apt-get clean \
-    && rm -rf /var/lib/apt/lists/*
-
-# 3. INSTALAR O MINICONDA SOBRE A IMAGEM NVIDIA
-# Baixamos o instalador, executamos em modo silencioso (-b) no diretório /opt/conda (-p)
-# e depois limpamos o instalador.
-RUN wget --quiet https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -O ~/miniconda.sh && \
-    /bin/bash ~/miniconda.sh -b -p /opt/conda && \
-    rm ~/miniconda.sh
-
-# 4. ADICIONAR CONDA AO PATH DO SISTEMA
-# Isso garante que os comandos 'conda' e 'pip' usarão a instalação que acabamos de fazer.
-ENV PATH /opt/conda/bin:$PATH
-
-# 5. CRIAR O AMBIENTE CONDA A PARTIR DO NOSSO ARQUIVO
-# Copiamos o environment.yml e deixamos o conda instalar as dependências principais.
-COPY environment.yml .
-RUN conda env create -f environment.yml
-
-# 6. INSTALAR FLASH_ATTN DENTRO DO AMBIENTE
-# Agora este comando vai funcionar, pois nvcc e CUDA_HOME estão presentes na imagem base.
-# 'conda run -n seedvr ...' executa o comando dentro do nosso ambiente específico.
-RUN conda run -n seedvr pip install "flash_attn==2.5.9.post1" --no-build-isolation
-
-# 7. DEFINIR O AMBIENTE CONDA COMO PADRÃO PARA O RESTO DO DOCKERFILE
-# Esta é a linha corrigida, em formato JSON válido e completo.
-SHELL ["conda", "run", "-n", "seedvr", "/bin/bash", "-c"]
-
-# 8. PREPARAR O APLICATIVO
-WORKDIR /app
-RUN git clone https://github.com/bytedance-seed/SeedVR.git
-WORKDIR /app/SeedVR
-
-# 9. BAIXAR O MODELO DURANTE A CONSTRUÇÃO
-# O comando huggingface-cli já está disponível no ambiente conda.
-RUN huggingface-cli download ByteDance-Seed/SeedVR2-3B --local-dir ckpts --local-dir-use-symlinks False
-
-# 10. COPIAR O CÓDIGO DO NOSSO APP
-COPY app.py .
-
-# 11. DEFINIR O COMANDO DE EXECUÇÃO
-# O comando 'python' já será o do ambiente 'seedvr'.
-CMD ["python", "app.py"]
+import gradio as gr
+import subprocess
+import os
+
+# Não precisamos mais de nenhuma função de setup, clone ou pip install aqui!
+# O Dockerfile já cuidou de tudo.
+
+def run_inference_app(video_file, seed_num):
+    if video_file is None:
+        return None, "Por favor, envie um arquivo de vídeo."
+    
+    # O app roda de dentro do diretório /app/SeedVR, então os caminhos são relativos
+    input_folder = "inputs"
+    os.makedirs(input_folder, exist_ok=True)
+    
+    # O Gradio nos dá um caminho temporário, vamos movê-lo para um local conhecido
+    input_video_path = os.path.join(input_folder, os.path.basename(video_file.name))
+    os.rename(video_file.name, input_video_path)
+        
+    output_folder = "outputs"
+    os.makedirs(output_folder, exist_ok=True)
+    
+    # Comando de inferência. O ambiente conda já está "ativado" graças ao Dockerfile.
+    command = [
+        "torchrun", "--nproc-per-node=4",
+        "projects/inference_seedvr2_3b.py",
+        "--video_path", input_folder,
+        "--output_dir", output_folder,
+        "--seed", str(seed_num),
+        "--res_h", "320",
+        "--res_w", "512",
+    ]
+
+    log_output = "Iniciando a inferência...\n" + ' '.join(command) + "\n\n"
+    
+    try:
+        process = subprocess.Popen(
+            command,
+            stdout=subprocess.PIPE,
+            stderr=subprocess.STDOUT,
+            text=True,
+            encoding='utf-8'
+        )
+
+        while True:
+            line = process.stdout.readline()
+            if not line:
+                break
+            log_output += line
+            print(line.strip())
+            yield None, log_output
+
+        process.wait()
+
+        if process.returncode != 0:
+            raise RuntimeError("O script de inferência falhou. Verifique os logs.")
+        
+        result_files = [os.path.join(output_folder, f) for f in os.listdir(output_folder) if f.endswith('.mp4')]
+        if not result_files:
+            return None, log_output + "\n\nERRO: Nenhum vídeo foi gerado."
+            
+        return result_files, log_output + "\n\nInferência concluída com sucesso!"
+
+    except Exception as e:
+        error_message = f"{log_output}\n\nOcorreu um erro: {str(e)}"
+        return None, error_message
+
+with gr.Blocks() as demo:
+    gr.Markdown("# 🚀 Inferência SeedVR2 com Ambiente Conda")
+    gr.Markdown("Este ambiente foi construído com Conda usando um Dockerfile para máxima estabilidade.")
+
+    with gr.Row():
+        with gr.Column(scale=1):
+            video_input = gr.File(label="Vídeo de Entrada")
+            seed_input = gr.Number(label="Seed", value=123)
+            run_button = gr.Button("Gerar Vídeo", variant="primary")
+        with gr.Column(scale=2):
+            gallery_output = gr.Gallery(label="Vídeo de Saída", show_label=True)
+            log_display = gr.Textbox(label="Logs de Execução", lines=15, interactive=False, autoscroll=True)
+            
+    run_button.click(
+        fn=run_inference_app,
+        inputs=[video_input, seed_input],
+        outputs=[gallery_output, log_display]
+    )
+
+demo.launch()