Update app.py

app.py

@@ -1,138 +1,51 @@
-import gradio as gr
-import os
-import torch
-import torchaudio
-from transformers import (
-    WhisperProcessor, WhisperForConditionalGeneration,
-    MarianMTModel, MarianTokenizer,
-    SpeechT5Processor, SpeechT5ForTextToSpeech
-)
-import ffmpeg
-import soundfile as sf
-import numpy as np
-
-# Configurações
-UPLOAD_FOLDER = "uploads"
-OUTPUT_FOLDER = "outputs"
-os.makedirs(UPLOAD_FOLDER, exist_ok=True)
-os.makedirs(OUTPUT_FOLDER, exist_ok=True)
-
-# Configurar dispositivo (GPU se disponível)
-device = "cuda" if torch.cuda.is_available() else "cpu"
-torch.backends.cudnn.benchmark = True  # Acelera GPU NVIDIA
-
-# Carregar modelos uma única vez (cache)
-WHISPER_MODEL = "openai/whisper-tiny"  # Modelo mais rápido
-TRANSLATION_MODEL = "Helsinki-NLP/opus-mt-en-pt"
-TTS_MODEL = "microsoft/speecht5_tts"
-
-# Inicialização rápida dos modelos
-print("Carregando modelos...")
-whisper_processor = WhisperProcessor.from_pretrained(WHISPER_MODEL)
-whisper_model = WhisperForConditionalGeneration.from_pretrained(WHISPER_MODEL).to(device)
-
-translation_tokenizer = MarianTokenizer.from_pretrained(TRANSLATION_MODEL)
-translation_model = MarianMTModel.from_pretrained(TRANSLATION_MODEL).to(device)
-
-tts_processor = SpeechT5Processor.from_pretrained(TTS_MODEL)
-tts_model = SpeechT5ForTextToSpeech.from_pretrained(TTS_MODEL).to(device)
-
-# Funções otimizadas
-def transcribe_audio(audio_path):
-    waveform, sample_rate = torchaudio.load(audio_path)
-    waveform = waveform.to(device)
-    
-    # Processamento em chunks para áudios longos
-    inputs = whisper_processor(
-        waveform.squeeze().cpu().numpy(), 
-        sampling_rate=sample_rate, 
-        return_tensors="pt",
-        chunk_length_s=30  # Processar em chunks de 30 segundos
-    ).to(device)
-    
-    with torch.inference_mode():
-        predicted_ids = whisper_model.generate(**inputs)
-    
-    return whisper_processor.batch_decode(predicted_ids, skip_special_tokens=True)[0]
+# Instalar dependências (caso necessário)
+!pip install streamlit moviepy transformers gtts torch ffmpeg-python
 
-def translate_text(text):
-    inputs = translation_tokenizer(text, return_tensors="pt", truncation=True).to(device)
-    with torch.inference_mode():
-        translated_ids = translation_model.generate(**inputs)
-    return translation_tokenizer.decode(translated_ids[0], skip_special_tokens=True)
+import streamlit as st
+from moviepy.editor import VideoFileClip, AudioFileClip
+from transformers import MarianMTModel, MarianTokenizer
+import torch
+from gtts import gTTS
+import os
 
-def synthesize_speech(text, output_path):
-    inputs = tts_processor(text, return_tensors="pt").to(device)
-    with torch.inference_mode():
-        speech = tts_model.generate_speech(inputs["input_ids"], tts_model.speaker_embeddings)
+# Interface do Streamlit
+st.title("Tradutor de Vídeo com Áudio")
+uploaded_file = st.file_uploader("Carregue um vídeo para tradução", type=["mp4", "mov", "avi"])
+
+# Função para traduzir o áudio do vídeo
+def translate_audio(input_audio_path, output_audio_path, model_name='Helsinki-NLP/opus-mt-en-pt'):
+    tokenizer = MarianTokenizer.from_pretrained(model_name)
+    model = MarianMTModel.from_pretrained(model_name)
+
+    audio_clip = AudioFileClip(input_audio_path)
+    text = "Hello, how are you?"  # Simulação de transcrição
+    translated_text = translate_text(text, tokenizer, model)
+
+    tts = gTTS(translated_text, lang='pt')
+    tts.save(output_audio_path)
+
+# Função para traduzir o texto
+def translate_text(text, tokenizer, model):
+    inputs = tokenizer(text, return_tensors="pt", padding=True)
+    with torch.no_grad():
+        translated = model.generate(**inputs)
+    return tokenizer.decode(translated[0], skip_special_tokens=True)
+
+# Função para substituir o áudio no vídeo
+def replace_audio_in_video(input_video_path, input_audio_path, output_video_path):
+    video = VideoFileClip(input_video_path)
+    new_audio = AudioFileClip(input_audio_path)
+    video = video.set_audio(new_audio)
+    video.write_videofile(output_video_path, codec="libx264")
+
+# Processar o vídeo quando carregado
+if uploaded_file is not None:
+    input_video_path = "uploaded_video.mp4"
+    output_video_path = "translated_video.mp4"
     
-    # Converter para formato compatível com vídeo (44100 Hz, stereo)
-    sf.write(output_path, np.tile(speech.cpu().numpy(), (2, 1)).T, 44100, subtype='PCM_16')
-
-def process_video(video_path, output_path):
-    # Processamento paralelizado com FFmpeg
-    (
-        ffmpeg
-        .input(video_path)
-        .output(output_path, vcodec='copy', acodec='aac', strict='experimental')
-        .global_args('-loglevel', 'error')  # Reduzir logs
-        .run(overwrite_output=True, cmd='ffmpeg')
-    )
-
-# Fluxo principal otimizado
-def translate_video(video, progress=gr.Progress()):
-    try:
-        # Etapa 1: Extrair áudio
-        progress(0.1, "Extraindo áudio...")
-        audio_path = os.path.join(UPLOAD_FOLDER, "audio.wav")
-        (
-            ffmpeg
-            .input(video)
-            .output(audio_path, ac=1, ar=16000)
-            .global_args('-loglevel', 'error')
-            .run(overwrite_output=True)
-        )
-
-        # Etapa 2: Transcrição paralela
-        progress(0.3, "Transcrevendo...")
-        transcription = transcribe_audio(audio_path)
-
-        # Etapa 3: Tradução em lote
-        progress(0.5, "Traduzindo...")
-        translated_text = translate_text(transcription)
-
-        # Etapa 4: Síntese de voz acelerada
-        progress(0.7, "Sintetizando voz...")
-        synthesized_audio = os.path.join(UPLOAD_FOLDER, "synthesized_audio.wav")
-        synthesize_speech(translated_text, synthesized_audio)
-
-        # Etapa 5: Processamento final do vídeo
-        progress(0.9, "Montando vídeo...")
-        output_path = os.path.join(OUTPUT_FOLDER, "video_traduzido.mp4")
-        (
-            ffmpeg
-            .input(video)
-            .output(output_path, vcodec='copy', acodec='copy', map='0:v:0')
-            .input(synthesized_audio)
-            .global_args('-loglevel', 'error')
-            .run(overwrite_output=True)
-        )
-
-        return output_path
-
-    except Exception as e:
-        return f"Erro: {str(e)}"
-
-# Interface otimizada
-iface = gr.Interface(
-    fn=translate_video,
-    inputs=gr.Video(label="Vídeo de Entrada"),
-    outputs=gr.Video(label="Vídeo Traduzido"),
-    title="🚀 Tradutor de Vídeo Ultra-Rápido",
-    description="Carregue um vídeo e receba a versão em português com áudio traduzido!",
-    allow_flagging="never"
-)
+    with open(input_video_path, "wb") as f:
+        f.write(uploaded_file.read())
 
-if __name__ == "__main__":
-    iface.launch(server_port=7860, show_error=True)
-    
+    process_video(input_video_path, output_video_path)
+    st.video(output_video_path)
+    st.download_button("Baixar Vídeo Traduzido", open(output_video_path, "rb"), "translated_video.mp4")