Update app.py

app.py

@@ -14,18 +14,39 @@ FFMPEG_ESCAPE_CHAR = "\\"
 allowed_medias = [".png", ".jpg", ".jpeg", ".bmp", ".gif", ".tiff"]
 allowed_audios = [".mp3", ".wav", ".m4a", ".ogg"]
 
-def get_font_path():
-    """Versucht, eine Standard-Schriftart im Linux-System zu finden."""
-    possible_fonts = [
-        "/usr/share/fonts/truetype/dejavu/DejaVuSans-Bold.ttf",
-        "/usr/share/fonts/truetype/liberation/LiberationSans-Bold.ttf",
-        "/usr/share/fonts/truetype/freefont/FreeSansBold.ttf"
-    ]
-    for font in possible_fonts:
-        if os.path.exists(font):
-            return font
+# Erweiterte Liste von Schriftpfaden, die in Hugging Face Spaces üblich sind
+FONT_MAP = {
+    "System Default (FFmpeg)": None, # Kein fontfile-Parameter, FFmpeg wählt
+    "Noto Sans Bold": "/usr/share/fonts/truetype/noto/NotoSans-Bold.ttf",
+    "DejaVu Sans Bold": "/usr/share/fonts/truetype/dejavu/DejaVuSans-Bold.ttf",
+    "Liberation Sans Bold": "/usr/share/fonts/truetype/liberation/LiberationSans-Bold.ttf",
+    "FreeSans Bold": "/usr/share/fonts/truetype/freefont/FreeSansBold.ttf",
+}
+FONT_OPTIONS = list(FONT_MAP.keys())
+
+
+def get_font_path(font_name):
+    """
+    Gibt den tatsächlichen, existierenden Pfad für die ausgewählte Schriftart zurück.
+    Falls der ausgewählte Pfad nicht existiert, wird ein Fallback verwendet.
+    """
+    requested_path = FONT_MAP.get(font_name)
+    
+    # 1. Wenn der angefragte Pfad existiert oder None (System Default) ist, verwende ihn
+    if requested_path is None or os.path.exists(requested_path):
+        return requested_path
+    
+    # 2. Fallback: Suche nach einem funktionierenden Pfad
+    for name, path in FONT_MAP.items():
+        if path and os.path.exists(path):
+            print(f"Warnung: Ausgewählte Schriftart '{font_name}' nicht gefunden. Verwende Fallback: '{name}'")
+            return path
+            
+    # 3. Letzter Fallback: None (System Default)
+    print("Warnung: Keine bevorzugten Schriftarten gefunden. Verwende FFmpeg System Standard.")
     return None
 
+
 def save_temp_audio(audio_file_path):
     """Speichert die hochgeladene Audio-Datei in einem temporären Verzeichnis."""
     if not audio_file_path:
@@ -95,8 +116,9 @@ def create_sentence_base_filter(full_text, duration_clip, font_option, font_size
         f"x=(w-text_w)/2:y=(h-text_h)*{y_pos}"
     )
 
-    # Fügt fontfile nur hinzu, wenn vorhanden und vermeidet doppelte Doppelpunkte
+    # Fügt fontfile nur hinzu, wenn vorhanden
     if font_option:
+        # font_option enthält bereits 'fontfile='
         drawtext_filter += f":{font_option}"
     
     drawtext_filter += f":enable='between(t, 0, {duration_clip})'"
@@ -106,9 +128,6 @@ def create_sentence_base_filter(full_text, duration_clip, font_option, font_size
 def create_highlight_word_filter(word, full_text, start_time, duration, font_option, font_size, y_pos, style):
     """
     Erstellt den FFmpeg drawtext Filter für die Highlight-Schicht (nur das aktive Wort).
-    Da FFmpeg keine Wort-Positionen kennt, muss der GESAMTE Satz gezeichnet werden,
-    aber nur das aktive Wort hat die Highlight-Farbe und der Rest ist transparent (alpha=0).
-    Das ist notwendig, um die korrekte Zentrierung beizubehalten!
     """
     word_end_time = start_time + duration
     
@@ -141,42 +160,15 @@ def create_highlight_word_filter(word, full_text, start_time, duration, font_opt
         params["fontcolor"] = "yellow"
         params["borderw"] = 4
 
-    # Hinweis: Badge/Word benötigen einen Trick, da FFmpeg keine Wort-Hintergrundboxen unterstützt. 
-    # Wir lassen sie hier auf den Standard-Highlight-Effekt fallen.
     elif style_lower in ["badge", "word", "pop"]:
         params["fontcolor"] = "yellow"
         params["borderw"] = 0
         
-    escaped_text = full_text.replace(':', FFMPEG_ESCAPE_CHAR + ':')
+    escaped_word = word.replace(':', FFMPEG_ESCAPE_CHAR + ':')
 
-    # Filter für das einzelne, hervorgehobene Wort (ACHTUNG: Es wird der gesamte Satz gezeichnet!)
-    # Hier zeichnen wir nur das aktuell aktive Wort, was im Prinzip ein kumulierter Effekt ist,
-    # aber ohne die Positionierungsfehler des vorherigen Versuchs, da nur EIN Wort gezeichnet wird.
+    # Filter für das einzelne, hervorgehobene Wort
     drawtext_filter = (
-        f"drawtext=text='{word.replace(':', FFMPEG_ESCAPE_CHAR + ':')}':" # NUR das Wort
-        f"fontcolor={params['fontcolor']}:"
-        f"fontsize={params['fontsize_override']}:"
-        f"borderw={params['borderw']}:"
-        f"bordercolor={params['bordercolor']}:"
-        # Die X-Position muss manuell berechnet werden, um es über dem Basistext zu positionieren. 
-        # Da wir das nicht können, zeichnen wir einfach den Satz und blenden das Highlight ein/aus.
-        # NEUER ANSATZ: Wir zeichnen das Wort MIT SEINER EIGENEN ZENTRIERUNG und verlassen uns auf die Transparenz.
-        # Das funktioniert nur, wenn das Highlight-Wort das gleiche ist wie der Basistext.
-        # Da der Basistext in diesem stabilen Modell bereits den ganzen Satz anzeigt, müssen wir hier kreativ sein.
-        # Wir müssen den highlight_alpha_expression verwenden, um das Wort EINZELN anzuzeigen.
-        
-        f"x=(w-text_w)/2:y=(h-text_h)*{y_pos}"
-    )
-    
-    # HACK: Da FFmpeg drawtext KEINE Wort-zu-Wort-Positions-Überlagerung unterstützt,
-    # können wir nur das ZENTRIERTE WORT einblenden lassen.
-    # Dies ist nicht perfekt, aber die stabilste Lösung.
-    
-    # Wir belassen es bei der Zentrierung des Worts selbst. Das wird visuell besser sein,
-    # als wenn wir den ganzen Satz neu berechnen.
-
-    drawtext_filter = (
-        f"drawtext=text='{word.replace(':', FFMPEG_ESCAPE_CHAR + ':')}':"
+        f"drawtext=text='{escaped_word}':" 
         f"fontcolor={params['fontcolor']}:"
         f"fontsize={params['fontsize_override']}:"
         f"borderw={params['borderw']}:"
@@ -187,14 +179,15 @@ def create_highlight_word_filter(word, full_text, start_time, duration, font_opt
 
 
     if font_option:
+        # font_option enthält bereits 'fontfile='
         drawtext_filter += f":{font_option}"
     
-    # Der Highlight-Filter ist nur aktiv, wenn das Wort aktiv ist.
+    # Der Highlight-Filter ist nur aktiv, wenn das Wort aktiv ist (via Alpha-Expression).
     drawtext_filter += f":alpha='{highlight_alpha_expression}'"
     return drawtext_filter
 
 
-def generate_slideshow_with_audio(images, input_text, duration_per_word, duration_per_image, fade_duration, font_size, y_pos, audio_file, subtitle_style):
+def generate_slideshow_with_audio(images, input_text, duration_per_word, duration_per_image, fade_duration, font_size, y_pos, audio_file, subtitle_style, selected_font):
     
     if not images:
         return None, "❌ Keine Bilder ausgewählt"
@@ -213,9 +206,17 @@ def generate_slideshow_with_audio(images, input_text, duration_per_word, duratio
     current_word_index = 0
     clips_with_text = []
 
-    # Schriftart finden
-    font_path = get_font_path()
-    font_option = f"fontfile='{font_path}'" if font_path else "" 
+    # NEU: Schriftart finden basierend auf der Auswahl
+    font_path = get_font_path(selected_font) 
+    
+    # Pfad für FFmpeg vorbereiten und maskieren.
+    font_option = ""
+    if font_path:
+        # Ersetze eventuelle Backslashes in Pfaden (obwohl unwahrscheinlich unter Linux)
+        escaped_font_path = str(font_path).replace(FFMPEG_ESCAPE_CHAR, FFMPEG_ESCAPE_CHAR + FFMPEG_ESCAPE_CHAR)
+        # Behandelt das Doppelpunkt-Problem von FFmpeg in Pfaden (wichtig für Filtergraphen)
+        escaped_font_path = escaped_font_path.replace(':', FFMPEG_ESCAPE_CHAR + ':')
+        font_option = f"fontfile='{escaped_font_path}'" 
 
     # Audio verarbeiten
     audio_temp_dir, temp_audio_file = save_temp_audio(audio_file) if audio_file else (None, None)
@@ -246,7 +247,6 @@ def generate_slideshow_with_audio(images, input_text, duration_per_word, duratio
             
             # ZWEITE SCHICHT: Highlight-Layer für jedes Wort
             word_start_time = 0.0
-            # Wir verwenden hier NICHT den kumulativen Ansatz, sondern überlagern das Einzelwort
             for word in word_segment:
                 highlight_filter = create_highlight_word_filter(
                     word, 
@@ -360,15 +360,23 @@ with gr.Blocks() as demo:
         fade_input = gr.Number(value=0.5, label="Bild-Fade Dauer (s)")
     
     with gr.Row():
-        font_size_input = gr.Number(value=80, label="Schriftgröße (px)")
-        ypos_input = gr.Slider(0.0, 1.0, value=0.9, label="Y-Position (0=Oben, 1=Unten)")
+        font_select_input = gr.Dropdown(
+            FONT_OPTIONS,
+            label="Schriftart",
+            value="DejaVu Sans Bold" if "DejaVu Sans Bold" in FONT_OPTIONS else FONT_OPTIONS[0],
+            interactive=True,
+            scale=1
+        )
+        font_size_input = gr.Number(value=80, label="Schriftgröße (px)", scale=1)
+        ypos_input = gr.Slider(0.0, 1.0, value=0.9, label="Y-Position (0=Oben, 1=Unten)", scale=2)
         
         # Untertitel-Stile
         subtitle_style_input = gr.Dropdown(
             ["Modern", "Pop", "Bold", "Badge", "Word"],
             label="Untertitel-Stil",
             value="Modern",
-            interactive=True
+            interactive=True,
+            scale=1
         )
     
     audio_input = gr.File(label="Audio (optional)", file_types=allowed_audios)
@@ -388,7 +396,8 @@ with gr.Blocks() as demo:
             font_size_input, 
             ypos_input, 
             audio_input,
-            subtitle_style_input
+            subtitle_style_input,
+            font_select_input # NEUER Input
         ],
         outputs=[out_video, status]
     )