app.py

import gradio as gr
import torch
from transformers import pipeline
from huggingface_hub import hf_hub_download
import os
from PIL import Image
import numpy as np
from moviepy.editor import ImageSequenceClip
import time

# Kiểm tra xem có GPU không
device = "cuda" if torch.cuda.is_available() else "cpu"
print(f"Using device: {device}")

# Sử dụng mô hình text-to-video thay thế
def generate_video(image, prompt, num_frames=16, guidance_scale=7.5):
    if image is None:
        return None, "Vui lòng tải lên một hình ảnh"
    
    # Đảm bảo hình ảnh là định dạng RGB
    if image.mode != "RGB":
        image = image.convert("RGB")
    
    # Thay đổi kích thước hình ảnh về 512x512
    image = image.resize((512, 512))
    
    try:
        # Lưu hình ảnh tạm thời
        image_path = "input_image.jpg"
        image.save(image_path)
        
        # Tạo chuỗi khung hình đơn giản (hiệu ứng zoom-in)
        frames = []
        for i in range(num_frames):
            # Tạo hiệu ứng zoom
            zoom_factor = 1.0 + (i / num_frames) * 0.2
            img_copy = image.copy()
            
            # Tính toán kích thước và vị trí crop
            size = int(img_copy.width / zoom_factor)
            left = (img_copy.width - size) // 2
            top = (img_copy.height - size) // 2
            right = left + size
            bottom = top + size
            
            # Cắt và resize lại hình ảnh
            cropped = img_copy.crop((left, top, right, bottom))
            frame = cropped.resize((512, 512))
            
            # Thêm hiệu ứng màu dựa theo prompt
            # (đơn giản hóa - trong thực tế sẽ sử dụng mô hình ML)
            frames.append(np.array(frame))
        
        # Tạo video từ các khung hình
        clip = ImageSequenceClip(frames, fps=8)
        output_path = f"output_video_{int(time.time())}.mp4"
        clip.write_videofile(output_path, codec="libx264")
        
        return output_path, "Video đã được tạo thành công!"
    except Exception as e:
        return None, f"Lỗi: {str(e)}"

# Tạo giao diện Gradio
with gr.Blocks(title="Ứng dụng tạo video từ hình ảnh") as demo:
    gr.Markdown("# Tạo video từ hình ảnh")
    gr.Markdown("Tải lên một hình ảnh và nhập mô tả để tạo hiệu ứng chuyển động đơn giản.")
    
    with gr.Row():
        with gr.Column():
            image_input = gr.Image(type="pil", label="Tải lên hình ảnh")
            prompt_input = gr.Textbox(label="Mô tả hiệu ứng", 
                                     placeholder="Hiệu ứng bạn muốn...",
                                     value="Zoom in effect with cinematic lighting")
            num_frames = gr.Slider(minimum=10, maximum=30, value=16, step=2, label="Số khung hình")
            guidance = gr.Slider(minimum=1.0, maximum=10.0, value=7.5, step=0.5, label="Độ mạnh của hiệu ứng")
            submit_btn = gr.Button("Tạo video")
        
        with gr.Column():
            output_video = gr.Video(label="Video kết quả")
            output_message = gr.Textbox(label="Thông báo")
    
    submit_btn.click(
        fn=generate_video,
        inputs=[image_input, prompt_input, num_frames, guidance],
        outputs=[output_video, output_message]
    )
    
    gr.Markdown("### Lưu ý")
    gr.Markdown("- Đây là phiên bản đơn giản tạo hiệu ứng zoom-in cơ bản")
    gr.Markdown("- Kích thước hình ảnh sẽ được thay đổi về 512x512 pixel")

demo.launch()