scripts/run_lipsync.py

#!/usr/bin/env python3
"""
Script para executar lip sync com MuseTalk V1.5.
Uso: python run_lipsync.py --video input.mp4 --audio audio.wav --output output.mp4
"""

import argparse
import os
import subprocess
import tempfile
import yaml


def create_config(video_path: str, audio_path: str, bbox_shift: int = 5) -> str:
    """Cria arquivo de configuracao temporario para o MuseTalk."""

    config = {
        'task_0': {
            'video_path': os.path.abspath(video_path),
            'audio_path': os.path.abspath(audio_path),
            'bbox_shift': bbox_shift
        }
    }

    # Criar arquivo temporario
    config_file = tempfile.NamedTemporaryFile(
        mode='w',
        suffix='.yaml',
        delete=False
    )
    yaml.dump(config, config_file)
    config_file.close()

    return config_file.name


def run_lipsync(video_path: str, audio_path: str, output_dir: str, bbox_shift: int = 5):
    """Executa lip sync usando MuseTalk."""

    # Verificar arquivos
    if not os.path.exists(video_path):
        raise FileNotFoundError(f"Video nao encontrado: {video_path}")
    if not os.path.exists(audio_path):
        raise FileNotFoundError(f"Audio nao encontrado: {audio_path}")

    # Criar config
    config_path = create_config(video_path, audio_path, bbox_shift)
    print(f"Config criado: {config_path}")

    # Criar diretorio de saida
    os.makedirs(output_dir, exist_ok=True)

    # Diretorio do MuseTalk
    musetalk_dir = os.environ.get('MUSETALK_DIR', '/root/musetalk-space')

    # Executar MuseTalk
    cmd = [
        'python3', '-m', 'scripts.inference',
        '--inference_config', config_path,
        '--result_dir', output_dir
    ]

    print(f"Executando: {' '.join(cmd)}")
    print(f"Diretorio: {musetalk_dir}")

    result = subprocess.run(
        cmd,
        cwd=musetalk_dir,
        capture_output=False
    )

    # Limpar config temporario
    os.unlink(config_path)

    if result.returncode != 0:
        raise RuntimeError(f"MuseTalk falhou com codigo {result.returncode}")

    # Encontrar video de saida
    video_name = os.path.splitext(os.path.basename(video_path))[0]
    audio_name = os.path.splitext(os.path.basename(audio_path))[0]
    expected_output = os.path.join(output_dir, 'v15', f'{video_name}_{audio_name}.mp4')

    if os.path.exists(expected_output):
        print(f"Video gerado: {expected_output}")
        return expected_output
    else:
        # Procurar qualquer mp4 no diretorio
        for f in os.listdir(os.path.join(output_dir, 'v15')):
            if f.endswith('.mp4'):
                return os.path.join(output_dir, 'v15', f)

    return None


def main():
    parser = argparse.ArgumentParser(description='Executar lip sync com MuseTalk')
    parser.add_argument('--video', '-v', required=True, help='Video de entrada')
    parser.add_argument('--audio', '-a', required=True, help='Audio para sincronizar')
    parser.add_argument('--output', '-o', default='./lipsync_output', help='Diretorio de saida')
    parser.add_argument('--bbox-shift', '-b', type=int, default=5, help='Ajuste do bounding box')

    args = parser.parse_args()

    output = run_lipsync(
        video_path=args.video,
        audio_path=args.audio,
        output_dir=args.output,
        bbox_shift=args.bbox_shift
    )

    if output:
        print(f"\nSucesso! Video salvo em: {output}")
    else:
        print("\nErro: Nenhum video foi gerado")


if __name__ == '__main__':
    main()