Update app.py

app.py

@@ -1,9 +1,12 @@
 import streamlit as st
 import numpy as np
 import cv2
-import requests
 import tempfile
-import os
+from gradio_client import Client
+from PIL import Image
+
+# Инициализация клиента для нового API
+client = Client("https://pragnakalp-ocr-image-to-text.hf.space/--replicas/lhzf3/")
 
 # Заголовок приложения
 st.title("Video Frame to Image Description")
@@ -11,12 +14,6 @@ st.title("Video Frame to Image Description")
 # Загрузка видеофайла
 uploaded_file = st.file_uploader("Upload a video file", type=["mp4", "avi", "mov"])
 
-try:  
-    response = requests.get("https://hf.space")  
-    print(f"Status Code: {response.status_code}")  
-except requests.exceptions.SSLError as e:  
-    print("SSL error occurred:", e)  
-
 cap = None  # Инициализируем объект cap как None
 
 if uploaded_file is not None:
@@ -35,31 +32,29 @@ if uploaded_file is not None:
         ret, frame = cap.read()
 
         if ret:
+            # Конвертация кадра OpenCV в PIL Image
+            frame_rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
+            pil_image = Image.fromarray(frame_rgb)
+
             # Отображение выбранного кадра
-            st.image(frame, channels="BGR", caption=f"Random Frame {random_frame}")
-            
-            # Конвертация кадра в подходящий формат для отправки в модель
-            _, buf = cv2.imencode('.jpg', frame)
-            files = {'file': ('image.jpg', buf.tobytes(), 'image/jpeg')}
+            st.image(pil_image, caption=f"Random Frame {random_frame}")
+
+            # Сохранение изображения в байты
+            buf = tempfile.NamedTemporaryFile(suffix='.jpg', delete=False)
+            pil_image.save(buf, format='JPEG')
+            buf.close()
 
-            model_url = "https://hf.space/embed/nttdataspain/Image-To-Text-Lora-ViT/run/predict"
-            headers = {"Authorization": f"Bearer {os.getenv('HUGGINGFACE_TOKEN_READ')}"}
-            
-            # Отправка изображения в модель
-            response = requests.post(
-                model_url,
-                headers=headers,
-                files=files,
-                verify=False
-            )
-            
-            # Получение и отображение результата
-            if response.status_code == 200:
-                result = response.json()
-                description = result['data'][0]['generated_text']
+            # Отправка изображения в новый API
+            try:
+                result = client.predict(
+                    "PaddleOCR",  # Метод для использования
+                    buf.name,  # Путь к изображению
+                    api_name="/predict"
+                )
+                description = result['data']
                 st.success(f"Generated Description: {description}")
-            else:
-                st.error("Error: Could not get a response from the model.")
+            except Exception as e:
+                st.error(f"Error: Could not get a response from the model. {str(e)}")
         else:
             st.error("Error: Could not read a frame from the video.")
     else: