# app_refactored_with_postprod.py (FINAL VERSION with LTX Refinement) import gradio as gr import os import sys import traceback from pathlib import Path # --- Import dos Serviços de Backend --- # Serviço LTX para geração de vídeo base e refinamento de textura #try from api.ltx_server_refactored import video_generation_service #except ImportError: #print("ERRO FATAL: Não foi possível importar 'video_generation_service' de 'api.ltx_server_refactored'.") #sys.exit(1) # Serviço SeedVR para upscaling de alta qualidade #try: from api.seedvr_server import SeedVRServer #except ImportError: #print("AVISO: Não foi possível importar SeedVRServer. A aba de upscaling SeedVR será desativada.") #SeedVRServer = None # Inicializa o servidor SeedVR uma vez, se disponível seedvr_inference_server = SeedVRServer() if SeedVRServer else None # --- ESTADO DA SESSÃO --- def create_initial_state(): return { "low_res_video": None, "low_res_latents": None, "refined_video_ltx": None, "refined_latents_ltx": None, "used_seed": None } # --- FUNÇÕES WRAPPER PARA A UI --- def run_generate_low(prompt, neg_prompt, start_img, height, width, duration, cfg, seed, randomize_seed, progress=gr.Progress(track_tqdm=True)): """Executa a primeira etapa: geração de um vídeo base em baixa resolução.""" print("UI: Chamando generate_low") try: conditioning_items = [] if start_img: num_frames_estimate = int(duration * 24) items_list = [[start_img, 0, 1.0]] conditioning_items = video_generation_service.prepare_condition_items(items_list, height, width, num_frames_estimate) used_seed = None if randomize_seed else seed video_path, tensor_path, final_seed = video_generation_service.generate_low( prompt=prompt, negative_prompt=neg_prompt, height=height, width=width, duration=duration, guidance_scale=cfg, seed=used_seed, conditioning_items=conditioning_items ) new_state = { "low_res_video": video_path, "low_res_latents": tensor_path, "refined_video_ltx": None, "refined_latents_ltx": None, "used_seed": final_seed } return video_path, new_state, gr.update(visible=True) except Exception as e: error_message = f"❌ Ocorreu um erro na Geração Base:\n{e}" print(f"{error_message}\nDetalhes: {traceback.format_exc()}") raise gr.Error(error_message) def run_ltx_refinement(state, prompt, neg_prompt, cfg, progress=gr.Progress(track_tqdm=True)): """Executa o processo de refinamento e upscaling de textura com o pipeline LTX.""" print("UI: Chamando run_ltx_refinement (generate_upscale_denoise)") if not state or not state.get("low_res_latents"): raise gr.Error("Erro: Gere um vídeo base primeiro na Etapa 1.") try: video_path, tensor_path = video_generation_service.generate_upscale_denoise( latents_path=state["low_res_latents"], prompt=prompt, negative_prompt=neg_prompt, guidance_scale=cfg, seed=state["used_seed"] ) # Atualiza o estado com os novos artefatos refinados state["refined_video_ltx"] = video_path state["refined_latents_ltx"] = tensor_path return video_path, state except Exception as e: error_message = f"❌ Ocorreu um erro durante o Refinamento LTX:\n{e}" print(f"{error_message}\nDetalhes: {traceback.format_exc()}") raise gr.Error(error_message) def run_seedvr_upscaling(state, seed, resolution, batch_size, fps, progress=gr.Progress(track_tqdm=True)): """Executa o processo de upscaling com SeedVR.""" if not state or not state.get("low_res_video"): raise gr.Error("Erro: Gere um vídeo base primeiro na Etapa 1.") if not seedvr_inference_server: raise gr.Error("Erro: O servidor SeedVR não está disponível.") video_path = state["low_res_video"] print(f"▶️ Iniciando processo de upscaling SeedVR para o vídeo: {video_path}") try: def progress_wrapper(p, desc=""): progress(p, desc=desc) output_filepath = seedvr_inference_server.run_inference( file_path=video_path, seed=seed, resolution=resolution, batch_size=batch_size, fps=fps, progress=progress_wrapper ) final_message = f"✅ Processo SeedVR concluído!\nVídeo salvo em: {output_filepath}" return gr.update(value=output_filepath, interactive=True), gr.update(value=final_message, interactive=False) except Exception as e: error_message = f"❌ Ocorreu um erro grave durante o upscaling com SeedVR:\n{e}" print(f"{error_message}\nDetalhes: {traceback.format_exc()}") return None, gr.update(value=error_message, interactive=False) # --- DEFINIÇÃO DA INTERFACE GRADIO --- with gr.Blocks() as demo: gr.Markdown("# LTX Video - Geração e Pós-Produção por Etapas") app_state = gr.State(value=create_initial_state()) # --- ETAPA 1: Geração Base --- with gr.Row(): with gr.Column(scale=1): gr.Markdown("### Etapa 1: Configurações de Geração") prompt_input = gr.Textbox(label="Prompt", value="A majestic dragon flying over a medieval castle", lines=3) neg_prompt_input = gr.Textbox(visible=False, label="Negative Prompt", value="worst quality, blurry, low quality, jittery", lines=2) start_image = gr.Image(label="Imagem de Início (Opcional)", type="filepath", sources=["upload", "clipboard"]) with gr.Accordion("Parâmetros Avançados", open=False): height_input = gr.Slider(label="Height", value=512, step=32, minimum=256, maximum=1024) width_input = gr.Slider(label="Width", value=704, step=32, minimum=256, maximum=1024) duration_input = gr.Slider(label="Duração (s)", value=4, step=1, minimum=1, maximum=10) cfg_input = gr.Slider(label="Guidance Scale (CFG)", value=3.0, step=0.1, minimum=1.0, maximum=10.0) seed_input = gr.Number(label="Seed", value=42, precision=0) randomize_seed = gr.Checkbox(label="Randomize Seed", value=True) generate_low_btn = gr.Button("1. Gerar Vídeo Base (Low-Res)", variant="primary") with gr.Column(scale=1): gr.Markdown("### Vídeo Base Gerado") low_res_video_output = gr.Video(interactive=False) # --- ETAPA 2: Pós-Produção (no rodapé, em abas) --- with gr.Group(visible=False) as post_prod_group: gr.Markdown("## Etapa 2: Pós-Produção") gr.Markdown("Use o vídeo gerado acima como entrada para as ferramentas abaixo. **O prompt e a CFG da Etapa 1 serão reutilizados.**") with gr.Tabs(): # --- ABA LTX REFINEMENT (AGORA FUNCIONAL) --- with gr.TabItem("🚀 Upscaler Textura (LTX)"): with gr.Row(): with gr.Column(scale=1): gr.Markdown("### Parâmetros de Refinamento") gr.Markdown("Esta etapa reutiliza o prompt, o prompt negativo e a CFG da Etapa 1 para manter a consistência.") ltx_refine_btn = gr.Button("Aplicar Refinamento de Textura LTX", variant="primary") with gr.Column(scale=1): gr.Markdown("### Resultado do Refinamento") ltx_refined_video_output = gr.Video(label="Vídeo com Textura Refinada (LTX)", interactive=False) # --- ABA SEEDVR UPSCALER --- with gr.TabItem("✨ Upscaler SeedVR"): with gr.Row(): with gr.Column(scale=1): gr.Markdown("### Parâmetros do SeedVR") seedvr_seed = gr.Slider(minimum=0, maximum=999999, value=42, step=1, label="Seed") seedvr_resolution = gr.Slider(minimum=720, maximum=1440, value=1072, step=8, label="Resolução Vertical (Altura)") seedvr_batch_size = gr.Slider(minimum=1, maximum=16, value=4, step=1, label="Batch Size por GPU") seedvr_fps_output = gr.Number(label="FPS de Saída (0 = original)", value=0) run_seedvr_button = gr.Button("Iniciar Upscaling SeedVR", variant="primary", interactive=(seedvr_inference_server is not None)) if not seedvr_inference_server: gr.Markdown("Serviço SeedVR não disponível.") with gr.Column(scale=1): gr.Markdown("### Resultado do Upscaling") seedvr_video_output = gr.Video(label="Vídeo com Upscale SeedVR", interactive=False) seedvr_status_box = gr.Textbox(label="Status do Processamento", value="Aguardando...", lines=3, interactive=False) # --- ABA MM-AUDIO --- with gr.TabItem("🔊 Áudio (MM-Audio)"): gr.Markdown("*(Funcionalidade futura para adicionar som aos vídeos)*") # --- LÓGICA DE EVENTOS DA UI --- # Botão da Etapa 1 generate_low_btn.click( fn=run_generate_low, inputs=[prompt_input, neg_prompt_input, start_image, height_input, width_input, duration_input, cfg_input, seed_input, randomize_seed], outputs=[low_res_video_output, app_state, post_prod_group] ) # Botão da Aba LTX Refinement ltx_refine_btn.click( fn=run_ltx_refinement, inputs=[app_state, prompt_input, neg_prompt_input, cfg_input], outputs=[ltx_refined_video_output, app_state] ) # Botão da Aba SeedVR run_seedvr_button.click( fn=run_seedvr_upscaling, inputs=[app_state, seedvr_seed, seedvr_resolution, seedvr_batch_size, seedvr_fps_output], outputs=[seedvr_video_output, seedvr_status_box] ) if __name__ == "__main__": demo.queue().launch(server_name="0.0.0.0", server_port=7860, debug=True, show_error=True)