Update inference_cli.py

inference_cli.py

@@ -9,15 +9,27 @@ import os
 import argparse
 import time
 import multiprocessing as mp
-import queue # Necessário para a exceção queue.Empty
+import queue # Importa a classe de exceção para filas vazias
 
+# Garante o uso seguro de CUDA com multiprocessing, essencial para estabilidade.
 if mp.get_start_method(allow_none=True) != 'spawn':
     mp.set_start_method('spawn', force=True)
 
+# -------------------------------------------------------------
+# 1) Configuração de alocação de memória da VRAM
 os.environ.setdefault("PYTORCH_CUDA_ALLOC_CONF", "backend:cudaMallocAsync")
 
-# ... (código de pré-parse e imports pesados permanece o mesmo) ...
+# 2) Pré-análise dos argumentos para configurar a visibilidade dos dispositivos CUDA
+_pre_parser = argparse.ArgumentParser(add_help=False)
+_pre_parser.add_argument("--cuda_device", type=str, default=None)
+_pre_args, _ = _pre_parser.parse_known_args()
+if _pre_args.cuda_device is not None:
+    device_list_env = [x.strip() for x in _pre_args.cuda_device.split(',') if x.strip()!='']
+    if len(device_list_env) == 1:
+        os.environ["CUDA_VISIBLE_DEVICES"] = device_list_env[0]
 
+# -------------------------------------------------------------
+# 3) Importações pesadas (torch, etc.) são feitas após a configuração do ambiente.
 import torch
 import cv2
 import numpy as np
@@ -25,16 +37,118 @@ from datetime import datetime
 from pathlib import Path
 from src.utils.downloads import download_weight
 
+# Adiciona o diretório raiz do projeto ao path do sistema para permitir importações de `src`
 script_dir = os.path.dirname(os.path.abspath(__file__))
 if script_dir not in sys.path:
     sys.path.insert(0, script_dir)
+root_dir = os.path.join(script_dir, '..', '..')
+if root_dir not in sys.path:
+    sys.path.insert(0, root_dir)
 
-# --- FUNÇÕES AUXILIARES (extract_frames_..., save_frames_... - sem alterações) ---
-# ... (mantenha suas funções originais aqui) ...
+def extract_frames_from_video(video_path, debug=False, skip_first_frames=0, load_cap=None):
+    """
+    Extrai quadros de um vídeo e os converte para o formato de tensor.
+    """
+    if debug:
+        print(f"🎬 Extracting frames from video: {video_path}")
+    
+    if not os.path.exists(video_path):
+        raise FileNotFoundError(f"Video file not found: {video_path}")
+    
+    cap = cv2.VideoCapture(video_path)
+    if not cap.isOpened():
+        raise ValueError(f"Cannot open video file: {video_path}")
+    
+    fps = cap.get(cv2.CAP_PROP_FPS)
+    frame_count = int(cap.get(cv2.CAP_PROP_FRAME_COUNT))
+    width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
+    height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
+    
+    if debug:
+        print(f"📊 Video info: {frame_count} frames, {width}x{height}, {fps:.2f} FPS")
+        if skip_first_frames:
+            print(f"⏭️ Will skip first {skip_first_frames} frames")
+        if load_cap:
+            print(f"🔢 Will load maximum {load_cap} frames")
+    
+    frames = []
+    frame_idx = 0
+    frames_loaded = 0
+    
+    while True:
+        ret, frame = cap.read()
+        if not ret:
+            break
+        
+        if frame_idx < skip_first_frames:
+            frame_idx += 1
+            continue
+        
+        if load_cap is not None and load_cap > 0 and frames_loaded >= load_cap:
+            break
+        
+        frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
+        frame = frame.astype(np.float32) / 255.0
+        
+        frames.append(frame)
+        frame_idx += 1
+        frames_loaded += 1
+        
+        if debug and frames_loaded % 100 == 0:
+            total_to_load = min(frame_count, load_cap) if load_cap else frame_count
+            print(f"📹 Extracted {frames_loaded}/{total_to_load} frames")
+    
+    cap.release()
+    
+    if len(frames) == 0:
+        raise ValueError(f"No frames extracted from video: {video_path}")
+    
+    if debug:
+        print(f"✅ Extracted {len(frames)} frames")
+    
+    frames_tensor = torch.from_numpy(np.stack(frames)).to(torch.float16)
+    
+    if debug:
+        print(f"📊 Frames tensor shape: {frames_tensor.shape}, dtype: {frames_tensor.dtype}")
+    
+    return frames_tensor, fps
+
+
+def save_frames_to_video(frames_tensor, output_path, fps=30.0, debug=False):
+    """
+    Salva um tensor de quadros em um arquivo de vídeo.
+    """
+    if debug:
+        print(f"🎬 Saving {frames_tensor.shape[0]} frames to video: {output_path}")
+    
+    os.makedirs(os.path.dirname(output_path), exist_ok=True)
+    
+    frames_np = (frames_tensor.cpu().numpy() * 255.0).astype(np.uint8)
+    
+    T, H, W, C = frames_np.shape
+    
+    fourcc = cv2.VideoWriter_fourcc(*'mp4v')
+    out = cv2.VideoWriter(output_path, fourcc, fps, (W, H))
+    
+    if not out.isOpened():
+        raise ValueError(f"Cannot create video writer for: {output_path}")
+    
+    for i, frame in enumerate(frames_np):
+        frame_bgr = cv2.cvtColor(frame, cv2.COLOR_RGB2BGR)
+        out.write(frame_bgr)
+        
+        if debug and (i + 1) % 100 == 0:
+            print(f"💾 Saved {i + 1}/{T} frames")
+    
+    out.release()
+    
+    if debug:
+        print(f"✅ Video saved successfully: {output_path}")
 
-# --- LÓGICA DO WORKER (com a fila de progresso) ---
 def _worker_process(proc_idx, device_id, frames_np, shared_args, return_queue, progress_queue=None):
-    """Worker que executa o upscaling em uma GPU dedicada."""
+    """
+    Processo filho (worker) que executa o upscaling em uma GPU dedicada.
+    """
     os.environ["CUDA_VISIBLE_DEVICES"] = str(device_id)
     os.environ.setdefault("PYTORCH_CUDA_ALLOC_CONF", "backend:cudaMallocAsync")
 
@@ -65,10 +179,10 @@ def _worker_process(proc_idx, device_id, frames_np, shared_args, return_queue, p
         import traceback
         error_msg = f"ERROR in worker {proc_idx}: {e}\n{traceback.format_exc()}"
         print(error_msg)
-        if progress_queue: progress_queue.put((proc_idx, -1, -1, error_msg))
+        if progress_queue:
+            progress_queue.put((proc_idx, -1, -1, error_msg))
         return_queue.put((proc_idx, error_msg))
 
-# --- PROCESSAMENTO PRINCIPAL (COM MONITORAMENTO ROBUSTO) ---
 def _gpu_processing(frames_tensor, device_list, args, progress_callback=None):
     """
     Divide os quadros, gerencia os workers e monitora o progresso de forma robusta.
@@ -102,8 +216,11 @@ def _gpu_processing(frames_tensor, device_list, args, progress_callback=None):
             while not progress_queue.empty():
                 try:
                     proc_idx, batch_idx, total_batches, message = progress_queue.get_nowait()
-                    if batch_idx == -1: raise RuntimeError(f"Worker {proc_idx} error: {message}")
-                    if total_batches > 0: worker_progress[proc_idx] = batch_idx / total_batches
+                    if batch_idx == -1: # Mensagem de erro do worker
+                        raise RuntimeError(f"Worker {proc_idx} error: {message}")
+                    
+                    if total_batches > 0:
+                        worker_progress[proc_idx] = batch_idx / total_batches
                     
                     total_progress = sum(worker_progress) / num_devices
                     progress_callback(total_progress, desc=f"GPU {proc_idx+1}/{num_devices}: {message}")
@@ -126,28 +243,85 @@ def _gpu_processing(frames_tensor, device_list, args, progress_callback=None):
 
     for p in workers: p.join()
 
+    # Verifica se algum resultado está faltando, indicando um erro não capturado
     if any(r is None for r in results_np):
         raise RuntimeError("One or more workers failed to return a result.")
 
     return torch.from_numpy(np.concatenate(results_np, axis=0)).to(torch.float16)
 
+def parse_arguments():
+    """Analisa os argumentos da linha de comando."""
+    parser = argparse.ArgumentParser(description="SeedVR2 Video Upscaler CLI")
+    parser.add_argument("--video_path", type=str, required=True, help="Path to input video file")
+    parser.add_argument("--seed", type=int, default=100, help="Random seed for generation (default: 100)")
+    parser.add_argument("--resolution", type=int, default=1072, help="Target resolution of the short side (default: 1072)")
+    parser.add_argument("--batch_size", type=int, default=5, help="Number of frames per batch (default: 5)")
+    parser.add_argument("--model", type=str, default="seedvr2_ema_3b_fp16.safetensors",
+                        choices=["seedvr2_ema_3b_fp16.safetensors", "seedvr2_ema_3b_fp8_e4m3fn.safetensors", 
+                                 "seedvr2_ema_7b_fp16.safetensors", "seedvr2_ema_7b_fp8_e4m3fn.safetensors"],
+                        help="Model to use")
+    parser.add_argument("--model_dir", type=str, default=None, help="Directory containing the model files")
+    parser.add_argument("--skip_first_frames", type=int, default=0, help="Skip the first frames during processing")
+    parser.add_argument("--load_cap", type=int, default=0, help="Maximum number of frames to load from video (default: load all)")
+    parser.add_argument("--output", type=str, default=None, help="Output path")
+    parser.add_argument("--output_format", type=str, default="video", choices=["video", "png"], help="Output format: 'video' (mp4) or 'png' images")
+    parser.add_argument("--preserve_vram", action="store_true", help="Enable VRAM preservation mode")
+    parser.add_argument("--debug", action="store_true", help="Enable debug logging")
+    parser.add_argument("--cuda_device", type=str, default=None, help="CUDA device id(s). e.g., '0' or '0,1' for multi-GPU")
+    
+    return parser.parse_args()
 
-# --- FUNÇÃO DE LÓGICA E MAIN (sem alterações) ---
 def run_inference_logic(args, progress_callback=None):
-    # ... (código completo, já está correto para passar o callback)
-    # ...
+    """
+    Função principal que executa o pipeline de upscaling. Pode ser importada e chamada por outros scripts.
+    """
+    if args.debug:
+        print(f"📋 Argumentos da Lógica de Inferência: {vars(args)}")
+
+    if progress_callback: progress_callback(0.05, "Extracting frames...")
+    print("🎬 Extraindo frames do vídeo...")
+    start_time = time.time()
+    frames_tensor, original_fps = extract_frames_from_video(
+        args.video_path, args.debug, args.skip_first_frames, args.load_cap
+    )
+    if args.debug:
+        print(f"🔄 Tempo de extração de frames: {time.time() - start_time:.2f}s")
+        
+    device_list = [d.strip() for d in str(args.cuda_device).split(',') if d.strip()] if args.cuda_device else ["0"]
+    if args.debug:
+        print(f"🚀 Usando dispositivos: {device_list}")
+    
+    if progress_callback: progress_callback(0.1, "Starting generation...")
+    processing_start = time.time()
+    download_weight(args.model, args.model_dir)
+    
     result_tensor = _gpu_processing(frames_tensor, device_list, args, progress_callback)
-    # ...
-    return result_tensor, original_fps, generation_time, len(frames_tensor)
 
+    generation_time = time.time() - processing_start
+    if args.debug:
+        print(f"🔄 Tempo de Geração: {generation_time:.2f}s")
+        print(f"📊 Resultado: {result_tensor.shape}, dtype: {result_tensor.dtype}")
+        
+    return result_tensor, original_fps, generation_time, len(frames_tensor)
 
 def main():
-    # ... (código completo, sem alterações)
-    # ...
+    """
+    Função principal para execução via linha de comando (CLI).
+    """
+    print(f"🚀 SeedVR2 Video Upscaler CLI iniciado às {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}")
+    args = parse_arguments()
+    try:
+        result_tensor, original_fps, _, _ = run_inference_logic(args)
+        
+        print(f"💾 Salvando vídeo em: {args.output}")
+        save_frames_to_video(result_tensor, args.output, original_fps, args.debug)
+        print("✅ Upscaling via CLI concluído com sucesso!")
+        
+    except Exception as e:
+        print(f"❌ Erro durante o processamento via CLI: {e}")
+        import traceback
+        traceback.print_exc()
+        sys.exit(1)
 
 if __name__ == "__main__":
-    main()
-
-# Adicione aqui o código completo das funções omitidas para garantir que nada se perca
-# (extract_frames_from_video, save_frames_to_video, parse_arguments, run_inference_logic, main)
-# Omiti por brevidade, mas você deve tê-los no seu arquivo.
+    main()