Update app.py

app.py

@@ -2,8 +2,19 @@ import tensorflow as tf
 import numpy as np
 import cv2
 import gradio as gr
+import os
 
-# Fonction pour charger le modèle sans 'batch_shape'
+# Fonction pour chercher le modèle dans tout le système de fichiers
+def find_model_file(filename="generator.h5"):
+    # Parcourir tous les répertoires du serveur pour trouver le fichier
+    for root, dirs, files in os.walk("/"):
+        if filename in files:
+            model_path = os.path.join(root, filename)
+            print(f"Modèle trouvé à : {model_path}")
+            return model_path
+    return None
+
+# Fonction pour charger le modèle en toute sécurité
 def load_model_safe(model_path):
     try:
         # Charger le modèle sans compilation pour éviter des erreurs liées au batch_shape
@@ -13,14 +24,16 @@ def load_model_safe(model_path):
         print(f"Erreur lors du chargement du modèle: {e}")
         return None
 
-# Charger le modèle en toute sécurité
-generator = load_model_safe('generator.h5')  # Assurez-vous que le fichier 'generator.h5' est dans le même répertoire
+# Chercher le modèle 'generator.h5' dans le système
+model_path = find_model_file("generator.h5")
 
-# Vérifier que le modèle a bien été chargé
-if generator is None:
-    print("Le modèle n'a pas pu être chargé. Vérifiez le fichier 'generator.h5'.")
+# Vérifier si le modèle est trouvé et charger
+if model_path is not None:
+    generator = load_model_safe(model_path)
+    print(f"Modèle chargé depuis : {model_path}")
 else:
-    print("Modèle chargé avec succès.")
+    print("Le modèle 'generator.h5' n'a pas été trouvé sur le serveur.")
+    generator = None
 
 # Fonction pour générer une vidéo à partir du générateur
 def generate_video():
@@ -31,11 +44,22 @@ def generate_video():
     noise = np.random.normal(0, 1, (1, 16, 64, 64, 3))  # Exemple de bruit pour 16 frames de 64x64x3
     generated_video = generator.predict(noise)  # Générer la vidéo
 
+    # Vérifier la forme des données générées
+    print(f"Shape of generated video: {generated_video.shape}")
+    
     # Normaliser les données générées
     video = (generated_video[0] * 255).astype(np.uint8)  # Convertir en entier 8 bits
-    filename = "/content/generated_video.mp4"
+
+    # Vérifier si la vidéo générée a la bonne forme
+    if len(video.shape) != 4 or video.shape[0] != 16:
+        return "Erreur dans les dimensions de la vidéo générée."
+
+    # Créer le répertoire pour la vidéo
+    output_dir = "/content/generated_videos"
+    os.makedirs(output_dir, exist_ok=True)
+    filename = os.path.join(output_dir, "generated_video.mp4")
     
-    # Sauvegarder la vidéo
+    # Enregistrer la vidéo avec OpenCV
     fourcc = cv2.VideoWriter_fourcc(*'mp4v')  # Codec vidéo
     height, width, _ = video[0].shape
     out = cv2.VideoWriter(filename, fourcc, 15, (width, height))  # 15 FPS
@@ -45,6 +69,7 @@ def generate_video():
         out.write(frame)
     out.release()
 
+    # Retourner le chemin de la vidéo générée
     return filename
 
 # Interface Gradio
@@ -57,7 +82,7 @@ def interface_function():
 gr.Interface(
     fn=interface_function,  # Fonction à exécuter
     inputs=[],              # Pas d'entrée utilisateur
-    outputs=gr.Video(label="Vidéo générée"),  # Vidéo en sortie
+    outputs=gr.Video(label="Vidéo générée", type="file"),  # Vidéo en sortie avec type 'file' pour le téléchargement
     title="Générateur de Vidéos avec IA",
     description="Cliquez sur le bouton ci-dessous pour générer une vidéo aléatoire avec l'IA."
 ).launch(server_name="0.0.0.0", server_port=7860)