File size: 1,739 Bytes
131bc91 83f8db0 131bc91 83f8db0 131bc91 83f8db0 131bc91 83f8db0 131bc91 83f8db0 131bc91 83f8db0 131bc91 83f8db0 131bc91 83f8db0 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 |
import gradio as gr
import torch
from torchvision import transforms
from PIL import Image
import numpy as np
import subprocess
# Carica il modello HunyuanVideo
model = torch.hub.load('tencent/HunyuanVideo', 'HunyuanVideo', pretrained=True)
# Definisci la funzione per generare video
def generate_video(prompt, video_size=(720, 1280), video_length=129, infer_steps=50):
# Prepara il prompt per il modello
prompt = prompt.strip()
# Genera il video utilizzando il modello
command = [
"python3", "sample_video.py",
"--video-size", str(video_size[0]), str(video_size[1]),
"--video-length", str(video_length),
"--infer-steps", str(infer_steps),
"--prompt", prompt,
"--flow-reverse",
"--use-cpu-offload",
"--save-path", "./results"
]
# Esegue il comando
subprocess.run(command)
# Carica il video generato
video_path = "./results/generated_video.mp4"
# Ritorna il video generato
return video_path
# Crea l'interfaccia Gradio
iface = gr.Interface(
fn=generate_video,
inputs=[
gr.Textbox(label="Inserisci il prompt", placeholder="Un gatto cammina sull'erba, stile realistico."),
gr.Dropdown(label="Dimensione del video", choices=[(720, 1280), (544, 960)], value=(720, 1280)),
gr.Slider(label="Lunghezza del video (frame)", minimum=1, maximum=300, value=129),
gr.Slider(label="Passi di inferenza", minimum=1, maximum=100, value=50)
],
outputs=gr.Video(label="Video generato"),
title="Generazione di video con HunyuanVideo",
description="Genera video utilizzando il modello HunyuanVideo fornendo un prompt di testo."
)
# Avvia l'applicazione Gradio
iface.launch() |