Update api/ltx_server.py

api/ltx_server.py

@@ -396,40 +396,6 @@ class VideoService:
         return out
 
 
-    def _dividir_latentes_em_partes(self, latents_brutos, quantidade: int):
-        """
-        Divide um tensor de latentes em `quantidade` partes e retorna uma lista de clones.
-        
-        Args:
-            latents_brutos: tensor [B, C, T, H, W]
-            quantidade: número de partes que queremos dividir
-        
-        Returns:
-            List[Tensor]: lista de `quantidade` partes, cada uma cloneada
-        """
-        total = latents_brutos.shape[2]  # dimensão temporal
-        partes = []
-    
-        if quantidade <= 1 or quantidade > total:
-            return [latents_brutos.clone()]
-    
-        # calcular tamanho aproximado de cada parte
-        step = total // quantidade
-        overlap = 0  # sobreposição mínima de 1 frame entre partes
-    
-        for i in range(quantidade):
-            start = i * step
-            end = start + step
-            if i == quantidade - 1:
-                end = total  # última parte vai até o final
-            else:
-                end += overlap  # sobreposição
-            parte = latents_brutos[:, :, start-1:end+1, :, :].clone()
-            partes.append(parte)
-    
-        return partes
-    
-
     def _dividir_latentes(self, latents_brutos):
         total = latents_brutos.shape[2]  # dimensão temporal (número de latentes)
         
@@ -578,38 +544,131 @@ class VideoService:
         multi_scale_pipeline = None
 
         try:
+            # Em ltx_server.py, substitua o bloco 'if improve_texture:' por este:
+
             if improve_texture:
                 if not self.latent_upsampler:
                     raise ValueError("Upscaler espacial não carregado.")
-                print("[DEBUG] Multi-escala: construindo pipeline...")
-                multi_scale_pipeline = LTXMultiScalePipeline(self.pipeline, self.latent_upsampler)
-                first_pass_args = self.config.get("first_pass", {}).copy()
-                first_pass_args["guidance_scale"] = float(guidance_scale)
-                second_pass_args = self.config.get("second_pass", {}).copy()
-                second_pass_args["guidance_scale"] = float(guidance_scale)
+                
+                # --- INÍCIO DA IMPLEMENTAÇÃO LIMPA DOS 3 PASSOS ---
 
-                multi_scale_call_kwargs = call_kwargs.copy()
-                multi_scale_call_kwargs.update(
-                    {
-                        "downscale_factor": self.config["downscale_factor"],
-                        "first_pass": first_pass_args,
-                        "second_pass": second_pass_args,
-                    }
-                )
-                print("[DEBUG] Chamando multi_scale_pipeline...")
-                t_ms = time.perf_counter()
                 ctx = torch.autocast(device_type="cuda", dtype=self.runtime_autocast_dtype) if self.device == "cuda" else contextlib.nullcontext()
+                
+                # --- PASSO 1: GERAÇÃO DE LATENTES EM BAIXA RESOLUÇÃO ---
+                print("[DEBUG] Multi-escala: Iniciando Passo 1 (geração de latentes base).")
+                
+                first_pass_args = self.config.get("first_pass", {}).copy()
+                first_pass_kwargs = call_kwargs.copy()
+
+                first_pass_kwargs.update({
+                    "guidance_scale": first_pass_args.get("guidance_scale", guidance_scale),
+                    "stg_scale": first_pass_args.get("stg_scale"),
+                    "rescaling_scale": first_pass_args.get("rescaling_scale"),
+                    "skip_block_list": first_pass_args.get("skip_block_list"),
+                    "guidance_timesteps": first_pass_args.get("guidance_timesteps"),
+                    "timesteps": first_pass_args.get("timesteps"),
+                    "num_inference_steps": first_pass_args.get("num_inference_steps", 20)
+                })
+                print(f"[DEBUG] Passo 1: Parâmetros do config carregados.")
+
+                downscale_factor = self.config.get("downscale_factor", 2)
+                original_height = first_pass_kwargs["height"]
+                original_width = first_pass_kwargs["width"]
+                divisor = 24
+                
+                if downscale_factor < 1.0:
+                    target_height_p1 = original_height * downscale_factor
+                    target_width_p1 = original_width * downscale_factor
+                else:
+                    target_height_p1 = original_height // downscale_factor
+                    target_width_p1 = original_width // downscale_factor
+                
+                height_p1 = round(target_height_p1 / divisor) * divisor
+                if height_p1 == 0: height_p1 = divisor
+                first_pass_kwargs["height"] = height_p1
+
+                width_p1 = round(target_width_p1 / divisor) * divisor
+                if width_p1 == 0: width_p1 = divisor
+                first_pass_kwargs["width"] = width_p1
+                
+                print(f"[DEBUG] Passo 1: Dimensões reduzidas e ajustadas para {height_p1}x{width_p1}")
+
+
+                print(f"[DEBUG] first_pass_kwargs {first_pass_kwargs}")
+                
                 with ctx:
-                    result = multi_scale_pipeline(**multi_scale_call_kwargs)
-                print(f"[DEBUG] multi_scale_pipeline tempo={time.perf_counter()-t_ms:.3f}s")
+                    first_pass_result = self.pipeline(**first_pass_kwargs)
+                    
+                latents_low_res = first_pass_result.images
+                log_tensor_info(latents_low_res, "Latentes (Passo 1)")
+                
+                del first_pass_result, first_pass_kwargs
+                gc.collect()
+                if self.device == "cuda": torch.cuda.empty_cache()
 
-                if hasattr(result, "latents"):
-                    latents = result.latents
-                elif hasattr(result, "images") and isinstance(result.images, torch.Tensor):
-                    latents = result.images
-                else:
-                    latents = result
-                print(f"[DEBUG] Latentes (multi-escala): shape={tuple(latents.shape)}")
+                    
+                # --- PASSO INTERMEDIÁRIO: UPSCALE DOS LATENTES ---
+                print("[DEBUG] Multi-escala: Fazendo upscale dos latentes com latent_upsampler.")
+                with ctx:
+                    latents_high_res = self.latent_upsampler(latents_low_res)
+                
+                log_tensor_info(latents_high_res, "Latentes (Pós-Upscale)")
+                del latents_low_res
+                gc.collect()
+                if self.device == "cuda": torch.cuda.empty_cache()
+                
+                # --- PASSO 2: REFINAMENTO EM ALTA RESOLUÇÃO ---
+                print("[DEBUG] Multi-escala: Iniciando Passo 2 (refinamento em alta resolução).")
+                second_pass_args = self.config.get("second_pass", {}).copy()
+                second_pass_kwargs = call_kwargs.copy()
+
+                # Lógica de refinamento robusta usando 'strength'
+                strength = second_pass_args.get("strength", second_pass_args.get("denoising_strength"))
+                if strength is None and "skip_initial_inference_steps" in second_pass_args:
+                    total_steps = second_pass_args.get("num_inference_steps", 30)
+                    skip_steps = second_pass_args.get("skip_initial_inference_steps", 0)
+                    if total_steps > 0:
+                        strength = 1.0 - (skip_steps / total_steps)
+                elif strength is None and "timesteps" in second_pass_args:
+                    # Se temos timesteps explícitos, o strength é o primeiro valor da lista
+                    # (já que a lista começa "tarde", ex: [0.9, 0.7...])
+                    strength = second_pass_args["timesteps"][0]
+                elif strength is None:
+                    strength = 0.5 # Fallback seguro
+
+                second_pass_kwargs["strength"] = strength
+                print(f"[DEBUG] Passo 2: Usando 'strength'={strength:.3f} para o refinamento.")
+
+                # Removemos timesteps para que a pipeline os calcule a partir do strength
+                if "timesteps" in second_pass_kwargs: del second_pass_kwargs["timesteps"]
+                if "guidance_timesteps" in second_pass_kwargs: del second_pass_kwargs["guidance_timesteps"]
+                
+                second_pass_kwargs.update({
+                    "guidance_scale": second_pass_args.get("guidance_scale", guidance_scale),
+                    "stg_scale": second_pass_args.get("stg_scale"),
+                    "rescaling_scale": second_pass_args.get("rescaling_scale"),
+                    "skip_block_list": second_pass_args.get("skip_block_list"),
+                    "num_inference_steps": second_pass_args.get("num_inference_steps", 20)
+                })
+                
+                height_p2 = height_p1 * 2
+                width_p2 = width_p1 * 2
+                second_pass_kwargs["height"] = height_p2
+                second_pass_kwargs["width"] = width_p2
+                print(f"[DEBUG] Passo 2: Dimensões definidas para {height_p2}x{width_p2}")
+                
+                second_pass_kwargs["latents"] = latents_high_res
+
+                print(f"[DEBUG] second_pass_kwargs {second_pass_kwargs}")
+                
+                with ctx:
+                    second_pass_result = self.pipeline(**second_pass_kwargs)
+                    
+                latents = second_pass_result.images
+                log_tensor_info(latents, "Latentes Finais (Passo 2)")
+                
+                # --- FIM DA IMPLEMENTAÇÃO LIMPA ---  
+                    
             else:
                 single_pass_kwargs = call_kwargs.copy()
                 first_pass_config = self.config.get("first_pass", {})
@@ -632,6 +691,10 @@ class VideoService:
                 print("\n[INFO] Executando pipeline de etapa única...")
                 t_sp = time.perf_counter()
                 ctx = torch.autocast(device_type="cuda", dtype=self.runtime_autocast_dtype) if self.device == "cuda" else contextlib.nullcontext()
+                
+                print(f"[DEBUG] single_pass_kwargs {single_pass_kwargs}")
+                
+                
                 with ctx:
                     result = self.pipeline(**single_pass_kwargs)
                 print(f"[DEBUG] single-pass tempo={time.perf_counter()-t_sp:.3f}s")