import gradio as gr
import torch
from diffusers import DiffusionPipeline, DPMSolverMultistepScheduler
from diffusers.utils import export_to_video
import tempfile

# تحميل النموذج - هذا النموذج مستقر جداً ومدعوم رسمياً
model_id = "damo-vilab/text-to-video-ms-1.7b"

print("جاري تحميل النموذج على CPU...")
pipe = DiffusionPipeline.from_pretrained(model_id, torch_dtype=torch.float32)
pipe.scheduler = DPMSolverMultistepScheduler.from_config(pipe.scheduler.config)
pipe.to("cpu")

def generate_video(prompt):
    if not prompt:
        return None
    
    # إعدادات مخفضة لتناسب سرعة الـ CPU المجاني
    video_frames = pipe(
        prompt, 
        num_inference_steps=5, # تقليل الخطوات للسرعة
        num_frames=8,          # عدد الإطارات
        height=256,             # دقة منخفضة لضمان عدم توقف الرام
        width=256
    ).frames[0]
    
    # تصدير النتيجة لملف فيديو مؤقت
    temp_file = tempfile.NamedTemporaryFile(suffix='.mp4', delete=False)
    export_to_video(video_frames, temp_file.name, fps=8)
    return temp_file.name

# واجهة Gradio
with gr.Blocks() as demo:
    gr.Markdown("### 🎥 Light Video Generator (CPU Friendly)")
    with gr.Row():
        input_text = gr.Textbox(label="اكتب الوصف هنا", placeholder="A panda eating bamboo...")
        btn = gr.Button("إنشاء الفيديو")
    output_video = gr.Video(label="الفيديو الناتج")
    
    btn.click(fn=generate_video, inputs=input_text, outputs=output_video)

demo.launch()