Update app.py

app.py

@@ -41,6 +41,9 @@ st.title("Générateur de Diaporama Vidéo et Musique")
 # Sélectionnez les images
 uploaded_files = st.file_uploader("Sélectionnez des images (PNG, JPG, JPEG)", type=["png", "jpg", "jpeg"], accept_multiple_files=True)
 
+# Sélection de la durée d'affichage de chaque image avec une barre horizontale (en secondes)
+image_duration = st.slider("Durée de chaque image (en secondes)", 1, 10, 4)
+
 if uploaded_files:
     # Créez un répertoire temporaire pour stocker les images
     temp_dir = tempfile.mkdtemp()
@@ -65,9 +68,17 @@ if uploaded_files:
         except Exception as e:
             descriptions.append("Erreur lors de la génération de la légende")
 
-    # Affichez les images avec leurs descriptions
-    for i, image_path in enumerate(image_paths):
-        st.image(image_path, caption=f"Description : {descriptions[i]}", use_column_width=True)
+    # Créez une diapositive vidéo à partir des images
+    st.header("Diaporama Vidéo")
+    
+    st.write("Création de la diapositive vidéo en cours...")
+    image_clips = [ImageSequenceClip([image_path], fps=1/image_duration, durations=[image_duration]) for image_path in image_paths]
+    final_clip = concatenate_videoclips(image_clips, method="compose")
+    video_path = os.path.join(temp_dir, "slideshow.mp4")
+    final_clip.write_videofile(video_path, codec='libx264', fps=1/image_duration)
+
+    # Afficher la vidéo
+    st.video(open(video_path, 'rb').read())
 
     # Générez de la musique à partir des descriptions
     st.header("Génération de Musique à partir des Descriptions")
@@ -83,29 +94,3 @@ if uploaded_files:
     n_candidates = st.slider("Number waveforms to generate", 1, 3, 3, 1)
 
     def score_waveforms(text, waveforms):
-        inputs = processor(text=text, audios=list(waveforms), return_tensors="pt", padding=True)
-        inputs = {key: inputs[key].to(device) for key in inputs}
-        with torch.no_grad():
-            logits_per_text = clap_model(**inputs).logits_per_text  # this is the audio-text similarity score
-            probs = logits_per_text.softmax(dim=-1)  # we can take the softmax to get the label probabilities
-            most_probable = torch.argmax(probs)  # and now select the most likely audio waveform
-        waveform = waveforms[most_probable]
-        return waveform
-
-    if st.button("Générer de la musique"):
-        waveforms = pipe(
-            music_input,
-            audio_length_in_s=duration,
-            guidance_scale=guidance_scale,
-            num_inference_steps=100,
-            num_waveforms_per_prompt=n_candidates if n_candidates else 1,
-            generator=generator.manual_seed(int(seed)),
-        )["audios"]
-
-        if waveforms.shape[0] > 1:
-            waveform = score_waveforms(music_input, waveforms)
-        else:
-            waveform = waveforms[0]
-
-        # Afficher le lecteur audio
-        st.audio(waveform, format="audio/wav", sample_rate=16000)