Update app.py

app.py

@@ -4,11 +4,13 @@ import gradio as gr
 import torch
 from PIL import Image
 
+from huggingface_hub import snapshot_download
 from diffusers import StableVideoDiffusionPipeline
 import imageio.v2 as imageio
 
+REPO_ID = "stabilityai/stable-video-diffusion-img2vid-xt"
 
-# -------- paths --------
+# Где хранить файлы модели (пытаемся /data, если нет — /home/user)
 ROOT = "/data" if os.path.isdir("/data") else "/home/user"
 MODEL_DIR = os.path.join(ROOT, "models", "svd-xt")
 OUT_DIR = os.path.join(ROOT, "outputs")
@@ -16,19 +18,39 @@ os.makedirs(OUT_DIR, exist_ok=True)
 
 pipe = None
 
+
+def ensure_model():
+    os.makedirs(MODEL_DIR, exist_ok=True)
+
+    # Если уже скачано — не качаем заново
+    if any(os.path.exists(os.path.join(MODEL_DIR, f)) for f in ["model_index.json", "config.json"]):
+        print("✅ Model already present in:", MODEL_DIR)
+        return
+
+    print("⬇️ Downloading model to:", MODEL_DIR)
+    snapshot_download(
+        repo_id=REPO_ID,
+        local_dir=MODEL_DIR,
+        local_dir_use_symlinks=False,
+        resume_download=True,
+        max_workers=4,
+        token=os.environ.get("HF_TOKEN"),  # если модель gated
+    )
+    print("✅ Download finished. Top files:", os.listdir(MODEL_DIR)[:30])
+
+
 def get_pipe():
     global pipe
     if pipe is not None:
         return pipe
 
-    if not os.path.isdir(MODEL_DIR):
-        raise gr.Error(f"Model not found at {MODEL_DIR}. postBuild didn't download it.")
+    ensure_model()
 
     dtype = torch.float16 if torch.cuda.is_available() else torch.float32
     pipe = StableVideoDiffusionPipeline.from_pretrained(
         MODEL_DIR,
         torch_dtype=dtype,
-        local_files_only=True,   # <-- запрет докачки в рантайме
+        local_files_only=True,  # <-- важно: после скачивания не лезем в интернет
     )
 
     if torch.cuda.is_available():
@@ -51,13 +73,8 @@ def run(image: Image.Image, motion: int, fps: int, frames: int, steps: int, seed
     generator = torch.Generator(device="cuda" if torch.cuda.is_available() else "cpu").manual_seed(int(seed))
 
     pipe = get_pipe()
-
-    # SVD любит 1024 ширину по умолчанию, но лучше держать умеренно для VRAM
-    # Можно подстроить под фото, но начнём с безопасного.
     img = image.convert("RGB")
 
-    # В diffusers для SVD параметры могут называться немного по-разному между версиями,
-    # но обычно работают: num_frames, fps, motion_bucket_id, num_inference_steps
     out = pipe(
         image=img,
         num_frames=int(frames),
@@ -73,15 +90,15 @@ def run(image: Image.Image, motion: int, fps: int, frames: int, steps: int, seed
     return out_path
 
 
-with gr.Blocks(title="SVD img2vid XT (local)") as demo:
-    gr.Markdown("## Stable Video Diffusion (img2vid-xt) — local in Space")
+with gr.Blocks(title="SVD img2vid XT") as demo:
+    gr.Markdown("## Stable Video Diffusion (img2vid-xt)\nModel downloads once at startup (resume enabled).")
 
     with gr.Row():
         inp = gr.Image(type="pil", label="Input image")
         out = gr.Video(label="Output video")
 
     with gr.Accordion("Settings", open=False):
-        motion = gr.Slider(1, 255, value=127, step=1, label="motion_bucket_id (higher = more motion)")
+        motion = gr.Slider(1, 255, value=100, step=1, label="motion_bucket_id (lower = calmer)")
         fps = gr.Slider(6, 30, value=12, step=1, label="fps")
         frames = gr.Slider(8, 30, value=14, step=1, label="num_frames")
         steps = gr.Slider(10, 50, value=25, step=1, label="steps")