# deformes4D_engine.py # Copyright (C) 4 de Agosto de 2025 Carlos Rodrigues dos Santos # # MODIFICATIONS FOR ADUC-SDR: # Copyright (C) 2025 Carlos Rodrigues dos Santos. All rights reserved. # # This file is part of the ADUC-SDR project. It contains the core logic for # video fragment generation, latent manipulation, and dynamic editing, # governed by the ADUC orchestrator. # This component is licensed under the GNU Affero General Public License v3.0. import os import time import imageio import numpy as np import torch import logging from PIL import Image, ImageOps from dataclasses import dataclass import gradio as gr import subprocess import gc from ltx_manager_helpers import ltx_manager_singleton from gemini_helpers import gemini_singleton from upscaler_specialist import upscaler_specialist_singleton from ltx_video.models.autoencoders.causal_video_autoencoder import CausalVideoAutoencoder from ltx_video.models.autoencoders.vae_encode import vae_encode, vae_decode logger = logging.getLogger(__name__) @dataclass class LatentConditioningItem: """Representa uma âncora de condicionamento no espaço latente para a Câmera (Ψ).""" latent_tensor: torch.Tensor media_frame_number: int conditioning_strength: float class Deformes4DEngine: """ Implementa a Câmera (Ψ) e o Destilador (Δ) da arquitetura ADUC-SDR. É responsável pela execução da geração de fragmentos de vídeo e pela extração dos contextos causais (Eco e Déjà-Vu). """ def __init__(self, ltx_manager, workspace_dir="deformes_workspace"): self.ltx_manager = ltx_manager self.workspace_dir = workspace_dir self._vae = None self.device = 'cuda' if torch.cuda.is_available() else 'cpu' logger.info("Especialista Deformes4D (Executor ADUC-SDR: Câmera Ψ e Destilador Δ) inicializado.") @property def vae(self): if self._vae is None: self._vae = self.ltx_manager.workers[0].pipeline.vae self._vae.to(self.device); self._vae.eval() return self._vae # MÉTODOS AUXILIARES DE MANIPULAÇÃO DE DADOS E VÍDEO def save_latent_tensor(self, tensor: torch.Tensor, path: str): torch.save(tensor.cpu(), path) def load_latent_tensor(self, path: str) -> torch.Tensor: return torch.load(path, map_location=self.device) @torch.no_grad() def pixels_to_latents(self, tensor: torch.Tensor) -> torch.Tensor: tensor = tensor.to(self.device, dtype=self.vae.dtype) return vae_encode(tensor, self.vae, vae_per_channel_normalize=True) @torch.no_grad() def latents_to_pixels(self, latent_tensor: torch.Tensor, decode_timestep: float = 0.05) -> torch.Tensor: latent_tensor = latent_tensor.to(self.device, dtype=self.vae.dtype) timestep_tensor = torch.tensor([decode_timestep] * latent_tensor.shape[0], device=self.device, dtype=latent_tensor.dtype) return vae_decode(latent_tensor, self.vae, is_video=True, timestep=timestep_tensor, vae_per_channel_normalize=True) def save_video_from_tensor(self, video_tensor: torch.Tensor, path: str, fps: int = 24): if video_tensor is None or video_tensor.ndim != 5 or video_tensor.shape[2] == 0: logger.warning(f"Tentativa de salvar um tensor de vídeo inválido em {path}. Abortando.") return video_tensor = video_tensor.squeeze(0).permute(1, 2, 3, 0) video_tensor = (video_tensor.clamp(-1, 1) + 1) / 2.0 video_np = (video_tensor.detach().cpu().float().numpy() * 255).astype(np.uint8) with imageio.get_writer(path, fps=fps, codec='libx264', quality=8) as writer: for frame in video_np: writer.append_data(frame) def _preprocess_image_for_latent_conversion(self, image: Image.Image, target_resolution: tuple) -> Image.Image: if image.size != target_resolution: return ImageOps.fit(image, target_resolution, Image.Resampling.LANCZOS) return image def pil_to_latent(self, pil_image: Image.Image) -> torch.Tensor: image_np = np.array(pil_image).astype(np.float32) / 255.0 tensor = torch.from_numpy(image_np).permute(2, 0, 1).unsqueeze(0).unsqueeze(2) tensor = (tensor * 2.0) - 1.0 return self.pixels_to_latents(tensor) def _get_video_frame_count(self, video_path: str) -> int | None: """Usa ffprobe para obter o número exato de frames de um arquivo de vídeo.""" if not os.path.exists(video_path): logger.error(f"Arquivo de vídeo não encontrado para contagem de frames: {video_path}") return None cmd = ['ffprobe', '-v', 'error', '-select_streams', 'v:0', '-count_frames', '-show_entries', 'stream=nb_read_frames', '-of', 'default=nokey=1:noprint_wrappers=1', video_path] try: result = subprocess.run(cmd, check=True, capture_output=True, text=True, encoding='utf-8') return int(result.stdout.strip()) except (subprocess.CalledProcessError, ValueError, FileNotFoundError) as e: logger.error(f"Erro ao contar frames com ffprobe para {video_path}: {e}") return None def _trim_last_frame_ffmpeg(self, input_path: str, output_path: str) -> bool: """Cria uma cópia de um vídeo, removendo o último frame.""" frame_count = self._get_video_frame_count(input_path) if frame_count is None or frame_count < 2: logger.warning(f"Não foi possível podar o último frame de {input_path}. O vídeo é muito curto ou ocorreu um erro.") if os.path.exists(input_path): os.rename(input_path, output_path) return True vf_filter = f"select='lt(n,{frame_count - 1})',setpts=PTS-STARTPTS" cmd_list = ['ffmpeg', '-y', '-i', input_path, '-vf', vf_filter, '-an', output_path] try: subprocess.run(cmd_list, check=True, capture_output=True, text=True, encoding='utf-8') logger.info(f"Último frame podado com sucesso. Vídeo final salvo em: {output_path}") return True except subprocess.CalledProcessError as e: logger.error(f"Erro no FFmpeg durante a poda do último frame: {e.stderr}") return False # --- PIPELINE DE PÓS-PRODUÇÃO LATENTE --- def _render_and_post_process_latents(self, low_res_latents: torch.Tensor, base_name: str, conditioning_items_for_refine: list, motion_prompt_for_refine: str ) -> str: high_res_latents = upscaler_specialist_singleton.upscale(low_res_latents) _, _, _, refined_h_latent, refined_w_latent = high_res_latents.shape video_h = refined_h_latent * self.ltx_manager.workers[0].pipeline.vae_scale_factor video_w = refined_w_latent * self.ltx_manager.workers[0].pipeline.vae_scale_factor num_latent_frames = high_res_latents.shape[2] num_video_frames = num_latent_frames * self.ltx_manager.workers[0].pipeline.video_scale_factor if isinstance(self.vae, CausalVideoAutoencoder): num_video_frames -= 1 refine_kwargs = { 'height': video_h, 'width': video_w, 'video_total_frames': num_video_frames, 'video_fps': 24, 'current_fragment_index': int(time.time()), 'motion_prompt': motion_prompt_for_refine, 'conditioning_items_data': conditioning_items_for_refine, 'denoise_strength': 0.4, 'refine_steps': 10 } final_latents, _ = self.ltx_manager.refine_latents(high_res_latents, **refine_kwargs) untrimmed_video_path = os.path.join(self.workspace_dir, f"{base_name}_untrimmed.mp4") trimmed_video_path = os.path.join(self.workspace_dir, f"{base_name}.mp4") pixel_tensor = self.latents_to_pixels(final_latents) self.save_video_from_tensor(pixel_tensor, untrimmed_video_path, fps=24) del pixel_tensor, final_latents, high_res_latents gc.collect() torch.cuda.empty_cache() success = self._trim_last_frame_ffmpeg(untrimmed_video_path, trimmed_video_path) if os.path.exists(untrimmed_video_path): os.remove(untrimmed_video_path) return trimmed_video_path if success else untrimmed_video_path def _generate_video_from_latents(self, latent_tensor, base_name: str) -> str: """ Gera um vídeo a partir de latentes, podando o último frame para garantir concatenação limpa. """ untrimmed_video_path = os.path.join(self.workspace_dir, f"{base_name}_untrimmed.mp4") trimmed_video_path = os.path.join(self.workspace_dir, f"{base_name}.mp4") logger.info(f"Renderizando vídeo bruto (com frame n+1) para: {untrimmed_video_path}") pixel_tensor = self.latents_to_pixels(latent_tensor) self.save_video_from_tensor(pixel_tensor, untrimmed_video_path, fps=24) del pixel_tensor gc.collect() torch.cuda.empty_cache() logger.info(f"Iniciando a poda do frame final de {untrimmed_video_path}...") success = self._trim_last_frame_ffmpeg(untrimmed_video_path, trimmed_video_path) if os.path.exists(untrimmed_video_path): os.remove(untrimmed_video_path) if not success: logger.error("Falha na poda do último frame. O fragmento pode conter um artefato.") return untrimmed_video_path return trimmed_video_path def concatenate_videos_ffmpeg(self, video_paths: list[str], output_path: str) -> str: """Concatena uma lista de arquivos de vídeo em um único arquivo usando FFmpeg.""" if not video_paths: raise gr.Error("Nenhum fragmento de vídeo para montar.") list_file_path = os.path.join(self.workspace_dir, "concat_list.txt") with open(list_file_path, 'w', encoding='utf-8') as f: for path in video_paths: f.write(f"file '{os.path.abspath(path)}'\n") cmd_list = ['ffmpeg', '-y', '-f', 'concat', '-safe', '0', '-i', list_file_path, '-c', 'copy', output_path] logger.info("Executando concatenação FFmpeg para montagem final...") try: subprocess.run(cmd_list, check=True, capture_output=True, text=True) except subprocess.CalledProcessError as e: logger.error(f"Erro no FFmpeg durante a concatenação: {e.stderr}") raise gr.Error(f"Falha na montagem final do vídeo. Detalhes: {e.stderr}") return output_path # NÚCLEO DA LÓGICA ADUC-SDR def generate_full_movie(self, keyframes: list, global_prompt: str, storyboard: list, seconds_per_fragment: float, trim_percent: int, handler_strength: float, destination_convergence_strength: float, video_resolution: int, use_continuity_director: bool, progress: gr.Progress = gr.Progress()): # 1. Definição dos Parâmetros da Geração com base na Tese FPS = 24 FRAMES_PER_LATENT_CHUNK = 8 ECO_LATENT_CHUNKS = 2 total_frames_brutos = self._quantize_to_multiple(int(seconds_per_fragment * FPS), FRAMES_PER_LATENT_CHUNK) total_latents_brutos = total_frames_brutos // FRAMES_PER_LATENT_CHUNK frames_a_podar = self._quantize_to_multiple(int(total_frames_brutos * (trim_percent / 100)), FRAMES_PER_LATENT_CHUNK) latents_a_podar = frames_a_podar // FRAMES_PER_LATENT_CHUNK if total_latents_brutos <= latents_a_podar: raise gr.Error(f"A porcentagem de poda ({trim_percent}%) é muito alta. Reduza-a ou aumente a duração.") DEJAVU_FRAME_TARGET = frames_a_podar - 1 DESTINATION_FRAME_TARGET = total_frames_brutos - 1 logger.info("--- CONFIGURAÇÃO DA GERAÇÃO ADUC-SDR ---") logger.info(f"Total de Latents por Geração Exploratória (V_bruto): {total_latents_brutos} ({total_frames_brutos} frames)") logger.info(f"Latents a serem descartados (Poda Causal): {latents_a_podar} ({frames_a_podar} frames)") logger.info(f"Chunks Latentes do Eco Causal (C): {ECO_LATENT_CHUNKS}") logger.info(f"Frame alvo do Déjà-Vu (D): {DEJAVU_FRAME_TARGET}") logger.info(f"Frame alvo do Destino (K): {DESTINATION_FRAME_TARGET}") logger.info("------------------------------------------") low_res_latent_fragments = [] # 2. Inicialização do Estado base_ltx_params = {"guidance_scale": 2.0, "stg_scale": 0.025, "rescaling_scale": 0.15, "num_inference_steps": 20, "image_cond_noise_scale": 0.00} keyframe_paths = [item[0] if isinstance(item, tuple) else item for item in keyframes] video_clips_paths, story_history = [], "" target_resolution_tuple = (video_resolution, video_resolution) eco_latent_for_next_loop = None dejavu_latent_for_next_loop = None if len(keyframe_paths) < 2: raise gr.Error(f"A geração requer no mínimo 2 keyframes. Você forneceu {len(keyframe_paths)}.") num_transitions_to_generate = len(keyframe_paths) - 1 # 3. Loop Principal de Geração de Fragmentos for i in range(num_transitions_to_generate): fragment_index = i + 1 logger.info(f"--- INICIANDO FRAGMENTO {fragment_index}/{num_transitions_to_generate} ---") progress(fragment_index / num_transitions_to_generate, desc=f"Produzindo Transição {fragment_index}/{num_transitions_to_generate}") # 3.1. Consulta ao Maestro (Γ) para obter a intenção (Pᵢ) past_keyframe_path = keyframe_paths[i - 1] if i > 0 else keyframe_paths[i] start_keyframe_path = keyframe_paths[i] destination_keyframe_path = keyframe_paths[i + 1] future_story_prompt = storyboard[i + 1] if (i + 1) < len(storyboard) else "A cena final." decision = gemini_singleton.get_cinematic_decision( global_prompt, story_history, past_keyframe_path, start_keyframe_path, destination_keyframe_path, storyboard[i - 1] if i > 0 else "O início.", storyboard[i], future_story_prompt ) transition_type, motion_prompt = decision["transition_type"], decision["motion_prompt"] story_history += f"\n- Ato {fragment_index}: {motion_prompt}" # 3.2. Montagem das Âncoras para a Fórmula Canônica Ψ({C, D, K}, P) conditioning_items = [] logger.info(" [Ψ.1] Montando âncoras causais...") if eco_latent_for_next_loop is None: logger.info(" - Primeiro fragmento: Usando Keyframe inicial como âncora de partida.") img_start = self._preprocess_image_for_latent_conversion(Image.open(start_keyframe_path).convert("RGB"), target_resolution_tuple) conditioning_items.append(LatentConditioningItem(self.pil_to_latent(img_start), 0, 1.0)) else: logger.info(" - Âncora 1: Eco Causal (C) - Herança do passado.") conditioning_items.append(LatentConditioningItem(eco_latent_for_next_loop, 0, 1.0)) logger.info(" - Âncora 2: Déjà-Vu (D) - Memória de um futuro idealizado.") conditioning_items.append(LatentConditioningItem(dejavu_latent_for_next_loop, DEJAVU_FRAME_TARGET, handler_strength)) logger.info(" - Âncora 3: Destino (K) - Âncora geométrica/narrativa.") img_dest = self._preprocess_image_for_latent_conversion(Image.open(destination_keyframe_path).convert("RGB"), target_resolution_tuple) conditioning_items.append(LatentConditioningItem(self.pil_to_latent(img_dest), DESTINATION_FRAME_TARGET, destination_convergence_strength)) # 3.3. Execução da Câmera (Ψ): Geração Exploratória para criar V_bruto logger.info(f" [Ψ.2] Câmera (Ψ) executando a geração exploratória de {total_latents_brutos} chunks latentes...") current_ltx_params = {**base_ltx_params, "motion_prompt": motion_prompt} latents_brutos = self._generate_latent_tensor_internal(conditioning_items, current_ltx_params, target_resolution_tuple, total_frames_brutos) logger.info(f" - Geração concluída. Tensor latente bruto (V_bruto) criado com shape: {latents_brutos.shape}.") # 3.4. Execução do Destilador (Δ): Implementação do Ciclo de Poda Causal (com workaround empírico) logger.info(f" [Δ] Destilador (Δ) executando o Ciclo de Poda Causal...") last_trim = latents_brutos[:, :, -(latents_a_podar+1):, :, :].clone() eco_latent_for_next_loop = last_trim[:, :, :2, :, :].clone() dejavu_latent_for_next_loop = last_trim[:, :, -1:, :, :].clone() latents_video = latents_brutos[:, :, :-(latents_a_podar-1), :, :].clone() latents_video = latents_video[:, :, 1:, :, :] logger.info(f" [Δ] latents_video {latents_video.shape}") #last_trim = latents_brutos[:, :, -(latents_a_podar + 2):, :, :].clone() #eco_latent_for_next_loop = last_trim[:, :, :ECO_LATENT_CHUNKS, :, :].clone() #dejavu_latent_for_next_loop = last_trim[:, :, -1:, :, :].clone() #latents_video = latents_brutos[:, :, :-(latents_a_podar + 2), :, :].clone() #latents_video = latents_video[:, :, 2:, :, :] #logger.info(f" [Δ] Shape do tensor para vídeo final: {latents_video.shape}") logger.info(f" - (Δ.1) Déjà-Vu (D) destilado. Shape: {dejavu_latent_for_next_loop.shape}") logger.info(f" - (Δ.2) Eco Causal (C) extraído. Shape: {eco_latent_for_next_loop.shape}") if transition_type == "cut": logger.warning(" - DECISÃO DO MAESTRO: Corte ('cut'). Resetando a memória causal (Eco e Déjà-Vu).") eco_latent_for_next_loop = None dejavu_latent_for_next_loop = None # 3.5. Renderização e Armazenamento do Fragmento Final #base_name = f"fragment_{fragment_index}_{int(time.time())}" #video_path = self._generate_video_from_latents(latents_video, base_name) #video_clips_paths.append(video_path) #logger.info(f"--- FRAGMENTO {fragment_index} FINALIZADO E SALVO EM: {video_path} ---") # 3.5. Renderização, Pós-Produção e Armazenamento #base_name = f"fragment_{fragment_index}_{int(time.time())}" #video_path = self._render_and_post_process_latents( # low_res_latents=latents_video, base_name=base_name, # conditioning_items_for_refine=conditioning_items, # motion_prompt_for_refine=motion_prompt) #video_clips_paths.append(video_path) #logger.info(f"--- FRAGMENTO {fragment_index} FINALIZADO E SALVO EM: {video_path} ---") low_res_latent_fragments.append(latents_video) logger.info(f"Fragmento latente {fragment_index} gerado e armazenado na memória.") # Bloco de Diagnóstico: Gera um vídeo a partir do tensor do Eco #if eco_latent_for_next_loop is not None: # logger.info("--- GERANDO VÍDEO DE DIAGNÓSTICO DO ECO CAUSAL ---") # eco_base_name = f"fragment_{fragment_index}_eco_diagnostic_{int(time.time())}" # eco_video_path = self._generate_video_from_latents(eco_latent_for_next_loop, eco_base_name) # #video_clips_paths.append(eco_video_path) # logger.info(f"Vídeo de diagnóstico do Eco salvo em: {eco_video_path} e adicionado à concatenação.") # yield {"fragment_path": eco_video_path} #yield {"fragment_path": video_path} # 4. Montagem Final do Filme #final_movie_path = os.path.join(self.workspace_dir, f"final_movie_silent_{int(time.time())}.mp4") #self.concatenate_videos_ffmpeg(video_clips_paths, final_movie_path) # 4. Concatenação e Renderização Final (A Lógica do Teste) logger.info("--- CONCATENANDO TODOS OS FRAGMENTOS LATENTES ---") tensors_para_concatenar = [] for idx, tensor_frag in enumerate(low_res_latent_fragments): # --- A CORREÇÃO ESTÁ AQUI --- # Move cada tensor para o dispositivo de destino antes de adicioná-lo à lista. target_device = self.device tensor_on_target_device = tensor_frag.to(target_device) if idx < len(low_res_latent_fragments) - 1: tensors_para_concatenar.append(tensor_on_target_device[:, :, :-1, :, :]) else: tensors_para_concatenar.append(tensor_on_target_device) final_concatenated_latents = torch.cat(tensors_para_concatenar, dim=2) logger.info(f"Concatenação concluída. Shape final do tensor latente: {final_concatenated_latents.shape}") base_name = f"debug_low_res_movie_{int(time.time())}" # Usamos a função de geração de vídeo simples, sem pós-produção final_movie_path = self._generate_video_from_latents(final_concatenated_latents, base_name) logger.info(f"Filme completo (com clipes de diagnóstico) salvo em: {final_movie_path}") yield {"final_path": final_movie_path} def _generate_latent_tensor_internal(self, conditioning_items, ltx_params, target_resolution, total_frames_to_generate): final_ltx_params = { **ltx_params, 'width': target_resolution[0], 'height': target_resolution[1], 'video_total_frames': total_frames_to_generate, 'video_fps': 24, 'current_fragment_index': int(time.time()), 'conditioning_items_data': conditioning_items } new_full_latents, _ = self.ltx_manager.generate_latent_fragment(**final_ltx_params) gc.collect() torch.cuda.empty_cache() return new_full_latents def _quantize_to_multiple(self, n, m): if m == 0: return n quantized = int(round(n / m) * m) return m if n > 0 and quantized == 0 else quantized