app.py

import gradio as gr
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer
from transformers.models.qwen2_5_omni import Qwen2_5OmniForConditionalGeneration, Qwen2_5OmniProcessor
import warnings
import os
import time
import re
import base64
import datetime
import uuid
import logging
from typing import List, Dict, Tuple, Optional
from PIL import Image
from huggingface_hub import snapshot_download
from swift.llm import PtEngine, RequestConfig, InferRequest

# --- 依赖库检查 ---
try:
    import cv2
    from moviepy.editor import VideoFileClip, concatenate_videoclips
    from openai import OpenAI
    from google import genai
    from google.genai import types
except ImportError as e:
    print(f"❌ 缺少必要库: {e}")
    print("请运行: pip install opencv-python moviepy openai google-genai")
    cv2 = None
    VideoFileClip = None
    OpenAI = None
    genai = None

# --- 环境设置 ---
warnings.filterwarnings("ignore")
os.environ['PYTHONWARNINGS'] = 'ignore'
logging.basicConfig(level=logging.INFO, format="%(asctime)s - %(levelname)s - %(message)s")
LOGGER = logging.getLogger(__name__)

# ==========================================
# PART 0: 配置常量 & Demo 数据
# ==========================================

# 1. 模型参数配置
MODEL_CONFIGS = {
    "sora-2": {
        "sizes": ["1792x1024", "1024x1792", "1280x720", "720x1280"],
        "seconds_range": {"minimum": 4, "maximum": 12, "step": 4, "value": 4},
        "seconds_label": "单镜时长 (Sora: 4/8/12秒)"
    },
    "sora-2-pro": {
        "sizes": ["1792x1024", "1024x1792", "1280x720", "720x1280"],
        "seconds_range": {"minimum": 4, "maximum": 12, "step": 4, "value": 4},
        "seconds_label": "单镜时长 (Sora Pro: 4/8/12秒)"
    },
    "veo-3.1": {
        "sizes": ["1080p", "720p"],
        "seconds_range": {"minimum": 4, "maximum": 8, "step": 2, "value": 4},
        "seconds_label": "单镜时长 (Veo: 4/6/8秒)"
    }
}

# 2. 提示词与风格
CONTINUITY_PROMPT = (
    "保持统一的视觉风格与世界观，场景与光影保持稳定，角色服装、发型、体型与表情连贯，仅根据剧情调整动作；"
    "如果有参考图片，请严格保持人物形象与参考图一致，人物站位不得变化，镜头衔接需流畅自然。"
    "旁白不需要朗读或配音,仅作为剧情提示使用。要求视频生成的最后一帧要展示所有人物的正面形象和此时的站位。"
)

STYLE_PROMPTS = {
    "Anime (二次元)": "整体画面要求：高质量二次元动漫渲染风格，角色为手绘动漫人物，肤色与材质为动画质感，背景为虚构的动画场景；禁止出现写实/真人或真实摄影元素。",
    "Realistic (写实)": "整体画面要求：高写实摄影风格，人物与环境光影细节丰富，材质与质感贴近真实世界，禁止出现卡通或夸张笔触，确保色彩与光线符合真实物理规律。",
    "Animated (动画/3D)": "整体画面要求：动画/卡通风格，支持二维或三维渲染，人物线条与轮廓清晰，色彩饱和且富有层次，可适当夸张动作与表情。",
    "Painterly (艺术/绘画)": "整体画面要求：艺术绘画风格，可呈现厚重笔触或水彩晕染质感，允许保留艺术性的纹理与笔法痕迹，整体色彩与构图需统一。",
    "Abstract (抽象/实验)": "整体画面要求：抽象/实验风格，鼓励运用超现实、故障艺术或非传统构图手法，可打破写实规律，突出视觉冲击力与创意表现。"
}
STYLE_KEYS = list(STYLE_PROMPTS.keys())

# 3. Demo 案例数据（保持不变）
DEMO_DATA = [
    {
        "file": "demo1.mp4",
        "title": "案例 1",
        "script": "【对话】：1. [0秒-9秒] (运镜：Handheld+远景-中近景-远景) 林间空地，苏洛焦躁踱步，主角静立；手持推进中近景，苏洛抓发踢石：“真不该答应秦飞，这么短哪找齐三个时光盒！”跺脚，切回远景。2. [9-18秒] (浅景深+远景-中景-远景) 主角走近，过肩中景虚焦问：“时光盒是什么？”苏洛回头，专业比划：“云丝控制组倒计时机关盒。”远景二人对站。3. [18-26秒] (Tilt+远景-近景-远景) 远景续讲，切近景苏洛学者状：“指定时间才能开，所以叫时光盒。”镜头下扫手势再回脸，远景收。4. [26-36秒] (Arc+远景-中近景-远景) 远景苏洛夸张，环绕中近景：“秦飞埋三盒说找不到，我当场拍胸口：风物家苏洛一小时全搞定！”下巴扬拍胸，远景仍骄傲。5. [36-44秒] (Shaky+远景-中景-远景) 主角中景揶揄：“看你这么急，没完成吧？”背景苏洛瞬间泄气肩耷，微晃暗示心虚，远景低头。6. [44-53秒] (Pan+远景-近景-远景) 远景垂头，近景苏洛搓衣角小声：“谁料他耍诈盒子远……帮我吗？”抬头平移恳求对视，远景视线交汇。7. [53-62秒] (Crash Zoom+远景-中景-远景) 远景主角点头微笑，急推中景特写苏洛惊喜：“太好了！那两个方向拜托你，余下我搞定！”捶胸指远，远景振作出发。【人设】苏洛：中等轻盈，大眼亚麻棕乱马尾，短夹克工具腰带上阵，情绪秒切藏不住。主角：中高挺拔，柔和深短发深衣简约，内敛冷静微点头。【场景】午后斑驳林间空地，碎石落叶静树，焦躁转轻松合作。【站位】1.苏洛空地中心来回，主角边缘远距。2.主角走近两三步面对面。3-5.保持近距离，苏洛对主角/侧身垂头。6.再对视。7.苏洛侧指远方。"
    },
    {
        "file": "demo2.mp4",
        "title": "案例 2",
        "script": "【对话】：1. [0-8秒](运镜类型：Handheld Camera Effect+全景镜头、中景镜头)\n故事情节：远景镜头，幽暗的遗迹室内，蒋风正俯身在一块散发着微光的古代石碑（指引图）前。主角从阴影中走出，站定在他身后几步远。镜头切换为手持拍摄的中景镜头，跟随主角的视线，画面有轻微晃动，聚焦在主角锐利的眼神上。主角双臂环抱，带着审视的口吻质问：“你在做什么？指引图是不能随便篡改的。”声音打破了室内的寂静。结尾回到远景，主角保持质问的姿态，蒋风的背影僵住。\n\n2. [8-16秒](运镜类型：Arc Shot+全景镜头、中景镜头)\n故事情节：远景镜头，蒋风缓缓转过身。镜头以一个平滑的弧度围绕蒋风移动，切换为中景镜头。他看到主角时明显一愣，双手下意识地抬起，掌心向前，做出一个无辜且防御的姿态，眼神慌乱地解释：“篡改指引图？不不不，你误会了。”他的表情诚恳又急切。结尾远景，两人对峙，气氛紧张。\n\n3. [16-24秒](运'运镜类型：Shallow Depth of Field+全景镜头、中近景镜头)\n故事情节：远景镜头，蒋风放下了手，姿态变得谦卑。镜头切换为中近景，焦点落在蒋风身上，他略带窘迫地笑了笑，背景中的主角身影变得模糊。他一边说一边用手比划着自己：“我才加入风物家没多久，哪有这个本事能篡改它。”结尾回到远景，蒋风仍在解释，主角静静地听着，没有打断。\n\n4. [24-33秒](运镜类型：Tilt Shot+全景镜头、特写镜头)\n故事情节：远景镜头，蒋风再次转向指引图。镜头给到蒋风的中近景，他伸出手指，小心翼翼地指向石碑上的一个发光符文，但并未触碰：“我只是想查看指引图上的身份印鉴。”镜头向下倾斜，给到他手指所指之处的符文一个特写，符文复杂而古老。主角的声音从画外传来，带着一丝疑惑：“身份印鉴？”结尾回到远景，主角微微探身，视线也落在了那个符文上。\n\n5. [33-42秒](运镜类型：Panning Shot+全景镜头、近景镜头)\n故事情节：远景镜头，两人都注视着指引图。镜头切换为近景，从蒋风的侧脸开始，他温和地解释着：“嗯，就是一种类似签名的东西。”镜头缓缓横移，扫过石碑上更多类似签名的印鉴，光芒流转。他的声音变得低沉而充满怀念：“在考古界，早期开荒的人员有权在指引图上留下自己的名字，我们称之为身份印鉴。”镜头移回，定格在他充满希冀的眼神上：“我想看看这些指引图上有没有我父亲的名字。”结尾回到远景，整个房间的氛围因这番话而悄然改变。\n\n6. [42-51秒](运镜类型：Lens Flare+全景镜头、中景镜头)\n故事情节：远景镜头，蒋风垂下目光。镜头切换为中景，他背对着石碑，仿佛陷入了久远的回忆，一道柔和的镜头光晕扫过画面，他眼神飘向远方，带着一丝不易察觉的落寞：“我父亲是主攻考古的风物家，但他常年在外勘察……我已经很久很久没见到他了。”结尾回到远景，主角的注意力已经完全从石碑转移到了蒋风身上。\n\n7. [51-59秒](运镜类型：Deep Depth of Field+全景镜头、中近景镜头)\n故事情节：远景镜头，蒋风转过头，重新看向主角。镜头切为中近景，景深拉远，我们能清晰看到前景中蒋风努力挤出一个微笑，眼神却流露着不确定，以及背景里主角严肃倾听的轮廓。蒋风说：“母亲说稷下不少的开荒考古是他完成的，我想看看是不是他真的来过。”结尾回到远景，蒋风的微笑显得有些无力。\n\n8. [59-67秒](运镜类型：Shallow Depth of Field+全景镜头、特写镜头)\n故事情节：远景镜头，室内一片沉寂。镜头推进到蒋风脸部的特写，极浅的景深模糊了周围的一切，只剩下他复杂的表情。他的笑容消失了，嘴唇微微颤抖：“虽然我相信母亲不会骗我，但……”他停顿了一下，低下头，用几不可闻的声音说出心底的委屈，“哪有人经常在外不回家的。”结尾远景，蒋风低着头，肩膀微微垮下。\n\n9. [67-74秒](运镜类型：Shaky Cam+全景镜头、中近景镜头)\n故事情节：远景镜头，主角打破了沉默。镜头切换为中近景，聚焦在主角身上，轻微的镜头晃动暗示着他内心的触动。他原本锐利的眼神已经完全柔和下来，取而代之的是理解与同情。他轻声问道：“那你找到答案了吗？”结尾远景，听到问话，蒋风缓缓抬起头。\n\n10. [74-82秒](运镜类型：Arc Shot+全景镜头、中景镜头)\n故事情节：远景镜头，两人视线交汇。镜头给到蒋风的中景，他轻轻摇头，眼中闪过一丝失望：“目前还没有，我想多找几个地方再下定论。”随即，他深吸一口气，鼓起勇气向前迈了一小步，镜头以一个微小的弧度跟随着他，增加了请求的郑重感。他恳切地问：“那个……可以拜托你帮我深入遗迹内部看看吗？”结尾远景，两人间的距离缩短了。\n\n11. [82-90秒](运镜类型：Shallow Depth of Field+全景镜头、近景镜头)\n故事情节：远景镜头，主角静待下文。镜头切到蒋风的近景，他有些难为情地低下头，看了看自己无力的双手，再抬头望向主角时，眼神充满了坦诚的无助：“以我的实力，里面的机关人我实在无法应付……更别说接近指引图了。”背景中的主角被虚化，突出了蒋风此刻的窘迫与孤立。结尾回到远景，蒋风的姿态显得格外渺小。\n\n12. [90-98秒](运镜类型：Handheld Camera Effect+全景镜头、中近景镜头)\n故事情节：远景镜头，蒋风等待着判决。镜头切为中近景，手持拍摄的画面极度稳定，仿佛连摄影师都屏住了呼吸。蒋风微微躬身，这是一个郑重的请求：“我想最后再确认一下……”他抬起眼，目光灼灼地直视主角，声音里带着颤音，“能请你帮忙完成我这个心愿吗？”结尾回到远景，空气仿佛凝固了，主角一动不动。\n\n13. [98-102秒](运镜类型：Deep Depth of Field+全景镜头、特写镜头)\n故事情节：远景镜头，主角终于有了动作。镜头给到主角面部特写，他沉默地审视着蒋风的眼睛，几秒钟的权衡之后，嘴角无奈地向上一撇，随即发出一声轻不可闻的叹息。景深拉开，我们能看到他身后不远处，蒋风紧张等待的模糊身影。主角终于开口，语气平淡却掷地有声：“行吧。”结尾回到远景，听到回答的蒋风如释重负地松了口气，紧绷的身体瞬间放松下来。\n【人物形象】：主角：身形挺拔，体态匀称有力，面部轮廓分明，眼神锐利如鹰。留着一头便于打理的深色短发，发丝间或夹杂风霜痕迹。身着深色调、材质耐磨的探险服，肩部和肘部有皮革补丁，腰间挂着若干实用工具包。气质沉稳老练，初期动作多为双臂环抱的审视姿态，后期眼神转为柔和，流露同情与无奈，是一位经验丰富、外冷内热的行动派。\n蒋风：身高略低于主角，体态偏瘦，书生气较重，面部线条柔和，眼神清澈但时常流露慌乱与不确定。发型是略显蓬乱的黑色中短发，似乎无暇打理。穿着一身崭新的“风物家”制服，款式简洁但略显宽大，与身形不甚贴合。气质真诚而笨拙，常有抬手、低头、窘迫微笑等下意识动作，在提及父亲时，会从紧张转为充满希冀与感伤的脆弱，是一位涉世未深的年轻后辈。\n【场景描述】：幽暗的古代遗迹室内，唯一的稳定光源来自一块散发着微光的石碑指引图，石壁上刻有古老符文。场景氛围从初始的紧张对峙，随着角色对话的深入，逐渐转变为充满感伤与理解的静谧与私密。\n【站位】：1：主角站在蒋风身后几步远处，蒋风俯身于石碑前。\n2：蒋风完全转过身，与主角正面相对，形成对峙。\n3：两人保持面对面的站位，距离不变。\n4：蒋风转身面向石碑，主角在其侧后方，视线投向石碑。\n5：两人大致并排，共同注视着石碑。\n6：蒋风背对石碑，面向空旷处；主角从侧面注视着蒋风。\n7：蒋风转身，再次与主角面对面站立。\n8：两人位置不变，蒋风低头，避开主角视线。\n9：蒋风抬头，与主角视线交汇，维持原有距离。\n10：蒋风向前迈出一小步，缩短了与主角的距离。\n11：两人位置不变，蒋风抬头直视主角。\n12：蒋风微微躬身，更显谦卑地仰视着主角。\n13：主角与蒋风保持着略近的面对面距离，主角站姿笔直，蒋风躬身等待。\n"
    },
    {
        "file": "demo3.mp4",
        "title": "案例 3",
        "script": "【对话】：1. [0-8]秒(Handheld Camera Effect+中近景镜头)\n故事情节：远景中，主角小心翼翼地靠近一具巨大的、半埋在瓦砾中的废弃机器，机器周身缠绕着微光的丝线。镜头推近至主角的中近景，他面带忧虑，试探性地向前伸了伸手，又缩了回来，最终开口问道：“你还好吗？”说完，他沉默地观察着，等待回应。镜头拉回远景，一人一机在废墟中对峙。\n\n2. [8-18]秒(Shallow Depth of Field+特写镜头)\n故事情节：远景中，废弃机器毫无动静。镜头切入机器光学感应器的特写，红光微弱地闪烁了几下，发出断续的电流声。感应器缓缓亮起，聚焦在主角身上，传来一阵沙哑的合成音：“谢……谢，我好多了，”镜头的焦点在它破损的金属外壳和裸露的线缆上游走，“这个躯壳似乎越来越难以承受我的意识了……”镜头回到远景，机器的灯光在昏暗中显得格外醒目。\n\n3. [18-26]秒(Panning Shot+中景镜头)\n故事情节：远景中，机器的姿态未变。镜头缓缓平移，以中景构图框住机器的上半部分，它发出几声清嗓子般的杂音，似乎在整理思绪：“我说到哪了？算了，”它的光学感应器转向主角，“不如你向我提问吧。来，你想了解什么？”镜头回到远景，主角依然保持着倾听的姿态。\n\n4. [26-36]秒(Deep Depth of Field+中远景镜头)\n故事情节：远景中，主角与机器的位置关系不变。镜头切为中远景，将一人一机都清晰地纳入画面，背景是广阔而荒凉的废墟。机器主动开始了话题，语气变得像一位学者：“我的研究对象是云丝，你知道吧？一开始我研究的只是用云丝牵拉傀儡……傀儡的躯干是云根所制，本身就是固化的云丝。”镜头回到远景。\n\n5. [36-44]秒(Arc Shot+近景镜头)\n故事情节：远景中，机器继续讲述。镜头开始围绕机器进行缓慢的弧形运动，切入它的近景，光学感应器闪烁着思索的光芒。“我意识到，自己在做的不过是用云丝拉扯另一条云丝罢了，到此还好……”它的声音里透出一丝自嘲。镜头回到远景，弧光灯在机器表面划过。\n\n6. [44-54]秒(Crash Zoom+特写镜头)\n故事情节：远景中，气氛开始变化。镜头突然快速推向机器的光学感应器，形成一个特写，红光变得明亮而急促。“但我又多想了一点……是什么牵拉着你我这副肉躯呢？肌肉？骨骼？”声音变得尖锐而充满蛊惑，“难道不是另一种云丝和云根吗？”镜头回到远景，主角下意识地后退了半步。\n\n7. [54-63]秒(Shaky Cam+中景镜头)\n故事情节：远景中，主角显得有些不安。镜头切换为手持摇晃效果，对准机器的中景，仿佛在感受它激动的情绪。“既然如此，我们的世界又和云丝编制的一场幻觉有何分别呢？”它的一根机械臂因过载而轻微抽搐了一下。镜头回到远景，那根抽搐的机械臂在静止的废墟中格外显眼。\n\n8. [63-71]秒(Tilt Shot+中近景镜头)\n故事情节：远景中，机器的宣讲仍在继续。镜头从中近景开始，从主角紧锁的眉头的脸上向下倾斜，扫过他紧握的拳头，最后停在地面上。“我们不过是提线木偶……举手投足都是决定好的剧本，”机器的声音回荡着，主角的视线也随之落在自己手上，仿佛在寻找看不见的丝线，“于是我假设了自己的设定。”镜头回到远景。\n\n9. [71-79]秒(Shallow Depth of Field+极端特写镜头)\n故事情节：远景中，机器的音调突然沉重下来。镜头切至极端特写，对准它外壳上一道深刻的裂痕，仿佛一道伤疤，背景完全虚化。“后来改变一切的……”它的声音里充满了悔恨与自负交织的复杂情绪。镜头回到远景，机器陷入短暂的沉默。\n\n10. [79-89]秒(Action Shot+近景镜头)\n故事情节：远景中，机器再次激动起来。镜头切换为模拟剧烈晃动的动作镜头，对准机器的近景，周身的云丝因能量波动而发光、绷紧。“是一次愚蠢的实验，我太急于论证这个世界是一场云丝编制的虚幻了！既然是一场虚幻，就能根据自己的意志改写！”伴随话语，几点电火花从它关节处迸射出来。镜头回到远景。\n\n11. [89-98]秒(Whip Pan+中景镜头)\n故事情节：远景中，机器的能量波动更强了。镜头从机器转向周围缠绕的云丝，再猛地甩回机器身上，形成一次快速摇摄。“一切都是经线和纬线，可以被牵拉、被抽取、被剥离、被绕制……”它用一种近乎癫狂的语气描述着。镜头回到远景，云丝的光芒渐渐暗淡。\n\n12. [98-107]秒(Tilt Shot+中远景镜头)\n故事情节：远景中，机器似乎耗尽了能量。镜头从中远景开始，自上而下缓缓扫过它庞大而残破的躯体，最终停在它被地面卡住的基座上。“用语言解释原理太难了……总之，”它的声音疲惫不堪，“我成功地把自己‘改写’成了这副模样。至于为什么卡在这动弹不得，又是另一个故事了。”镜头回到远景。\n\n13. [107-115]秒(Shallow Depth of Field+中景镜头)\n故事情节：远景中，主角静静地消化着信息。镜头切到机器的中景，它光学感应器里的光芒稳定下来，直视着主角，语气平静但充满挑战：“怎样，现在你愿意相信这个世界是虚假的吗？我说的还是很浅的一部分，这个世界比你想象的更深……”主角的表情在虚化的背景中模糊不清。镜头回到远景。\n\n14. [115-123]秒(Handheld Camera Effect+近景镜头)\n故事情节：远景中，主角没有回应。镜头以手持效果靠近主角的近景，捕捉他脸上怀疑与动摇交织的神情。机器的声音再次响起，带着一丝不耐烦：“还是不信？看来我需要列举更多的证据……”主角的视线从机器移开，望向远方，似乎在思考。镜头回到远景。\n\n15. [123-132]秒(Crane Shot+全景镜头)\n故事情节：远景中，机器的气场陡然增强。镜头如吊臂般向上拉升，俯瞰着以机器为中心、云丝如蛛网般铺开的废墟全景。“通过云丝，如今我可以像一只活在宇宙中心的蜘蛛一样探访世界的所有角落……”声音充满了全知全能的优越感。镜头回到最初的远景视角。\n\n16. [132-142]秒(Panning Shot+特写镜头)\n故事情节：远景中，机器开始列举证据。镜头平移，给到主角面部的特写，他的眼睛因惊讶而微微睁大。机器的声音仿佛从四面八方传来：“我知道在地下世界生活着会说话的小木篱，我听过它们梦中的呓语……我知道善良而勤劳的咕呱，也会在背地里筹划各种坏事……”镜头回到远景。\n\n17. [142-152]秒(Deep Depth of Field+中远景镜头)\n故事情节：远景中，主角的视线被远处的瀑布吸引。镜头切为深景深的中远景，机器在前景，远处的瀑布清晰可见。机器的声音指向那个方向：“我知道在我所处的这个瀑布后面，藏有一份卷轴……上面标识出了一份宝藏……”主角的目光锁定在瀑布上。镜头回到远景。\n\n18. [152-162]秒(Arc Shot+中近景镜头)\n故事情节：远景中，机器继续揭示秘密。镜头围绕主角进行弧形运动，主角的神情从惊讶变为专注。机器的声音继续引导：“而开启它的钥匙，就藏在东南山崖上，某个孤立石刻的底部……那里如今已经被地狼占据了……”主角的视线转向东南方向。镜头回到远景。\n\n19. [162-170]秒(Crash Zoom+近景镜头)\n故事情节：远景中，机器的讲述达到高潮。镜头猛地推向主角的近景，他脸上写满了震惊和决断。机器的声音变得急切而充满煽动性：“你还愣着干什么，快把它们找回来，好印证我的发现啊！”主角深吸一口气，眼神变得坚定。镜头回到远景，主角转身，似乎准备出发。\n【人物形象】：主角：身高约175cm，体态精悍矫健/面容年轻但显风霜，眼神深邃，表情丰富，黑色短发略显凌乱/身着便于行动的暗色系旅行者装束，材质耐磨，配有皮质护具和多功能腰包/气质沉稳内敛，初期动作谨慎试探，善于倾听与观察，后期情绪从忧虑、怀疑转为震惊与决断/他习惯在思考时将视线投向远方，紧握的拳头透露出内心的挣扎与力量。\n废弃机器：体型巨大，如一座小山般半埋于瓦砾中，结构复杂，非人形态/核心是单颗巨大的光学感应器，通过红光的明暗与闪烁频率表达情绪，无传统面部/金属外壳严重锈蚀破损，遍布裂痕与裸露的线缆，周身缠绕着蛛网般发光的“云丝”/声音是沙哑的合成音，语气从虚弱转为学者般的平静，再到癫狂、蛊惑与急切/作为被困的意识体，它的“动作”仅限于感应器灯光变化、电流声、机械臂的轻微抽搐和周身云丝的能量波动。\n【场景描述】：在一片广阔荒凉的废墟之中，光线昏暗，气氛神秘而压抑。视觉中心是一具半埋于地的巨大废弃机器，其周身缠绕的微光丝线是环境中唯一的动态光源。\n【站位】：1：主角在机器前方数米处站定，面朝机器。\n2：两者相对位置不变，机器光学感应器聚焦于主角。\n3：位置不变，主角保持倾听姿态。\n4：位置不变，一人一机远距离对峙。\n5：相对位置不变。\n6：主角向后退半步，与机器距离稍稍拉远。\n7：相对位置不变。\n8：主角低头看向自己的手，视线暂时离开机器。\n9：相对位置不变，主角抬头重新望向机器。\n10：相对位置不变。\n11：相对位置不变。\n12：相对位置不变。\n13：相对位置不变，机器感应器直视主角。\n14：主角身体朝向不变，但视线移向远方。\n15：相对位置不变，俯瞰视角下主角位于机器前方。\n16：主角视线回到前方。\n17：主角身体未动，头部与视线转向远方瀑布。\n18：主角身体与视线转向东南方向。\n19：主角转身，准备离开，背向机器。"
    },
    {
        "file": "demo4.mp4",
        "title": "案例 4",
        "script": "【对话】：1. [0-8秒] (Shallow Depth of Field+全景镜头、中近景镜头) 故事情节：远景展示公园小径上，白衫和主角并肩站立，一只胖乎乎的宠物“呱呱”趴在他们脚边的草地上气喘吁吁。镜头随即以浅景深推向白衫的中近景，他低头看着呱呱，脸上交织着无奈与宠溺，接着他抬眼望向主角，问道：“怎么样？呱呱有好好锻炼吗？” 结尾回到远景，主角正准备回答。\n2. [8-17秒] (Handheld Camera Effect+全景镜头、中景镜头) 故事情节：远景中，三人位置不变。镜头切换为手持效果下的中景，画面随着白衫的动作有轻微晃动。他无奈地摊开手，叹了口气：“没办法，之前太惯着它了。” 他的视线落在懒洋洋翻了个身的呱呱身上，语气里满是无可奈何：“现在没有吃的半步也不挪。” 结尾远景，白衫轻轻摇头，主角在一旁安静地听着。\n3. [17-26秒] (Arc Shot+全景镜头、中景镜头) 故事情节：远景展现整个场景。镜头开始围绕白衫进行弧线运动，他蹲下身，温柔地抚摸着呱呱的后背，语气放缓：“不过它今天起码完成了一点运动，晚上允许它多吃一点。” 镜头继续沿弧线转向一旁的主角，他看着这温情的一幕，微笑着点头附和：“今天运动的还不错。” 结尾远景，白衫蹲着，主角站着，形成一高一低的构图。\n4. [26-34秒] (Shallow Depth of Field+全景镜头、近景镜头) 故事情节：远景中，白衫依旧蹲在呱呱身边，主角静立一旁。镜头切入白衫的近景，背景完全虚化。他抚摸呱呱的动作没停，但眼神中浮现出真切的忧虑，声音也低沉下来，充满了担忧：“我知道运动很辛苦，但呱呱真的太胖了，我很怕它胖得生病。” 结尾远景，能看到主角脸上的笑容也收敛了，神情变得严肃。\n5. [34-42秒] (Tilt Shot+全景镜头、中景镜头) 故事情节：远景确认场景站位。镜头从中景开始，从地上心满意足地摇着尾巴的呱呱缓缓向上抬升，最终定格在刚站起身的白衫脸上。他脸上的忧虑一扫而空，转为一种故作爽朗的兴奋，对着呱呱大声宣布：“表现真不错。今晚它可以多吃一点！” 结尾远景，白衫高兴地拍了拍手。\n6. [42-51秒] (Shaky Cam+全景镜头、中近景镜头) 故事情节：远景中，主角看着兴奋的白衫。镜头切换为对准主角的中近景，轻微的摇晃反映出他内心的无语。他看着白衫，嘴角微微抽动，眼神里是哭笑不得的怀疑，几乎是对自己低语：“这么吃还能瘦么……” 随即他像是突然想起了正事，表情一正，视线重新聚焦在白衫身上，问道：“对了，你知道刘叶的情况怎么样了吗？” 结尾远景，主角向前迈了半步，成功转移了话题。\n7. [51-58秒] (Deep Depth of Field+全景镜头、中景镜头) 故事情节：远景中，两人相对而立。镜头切到白衫的中景，听到“刘叶”的名字，他先是愣了一下，随即眼神投向远方，景深变大，背景中的公园路径和行人都变得清晰。他皱眉思索片刻，然后略带歉意地摇了摇头，收回目光：“刘叶？看着是没长高，具体我就不知道了。” 结尾远景，白衫看着主角，摊了摊手表示不知情。\n8. [58-67秒] (Panning Shot+全景镜头、中远景镜头) 故事情节：远景中，三人保持着最后的站位。镜头给到白衫的中远景，他侧过身，抬手指向西边的方向，语气变得热心：“同学要是想知道，不如去找他问问吧。” 镜头随着他的手臂平滑地向西边摇摄，画面中出现一条通往远处开阔广场的小径。“你往西走，他就在那边的广场。” 结尾远景，镜头停下，主角顺着白衫所指的方向望去，若有所思。\n【人物形象】：白衫：身高约180cm，体态匀称修长，略带少年感。面部线条柔和，眉眼清秀，笑起来时眼角有细微纹路。发型是自然的黑色短发，刘海稍长，显得随性。身穿一件干净的白色棉麻衬衫和浅色休闲裤，脚踩白色运动鞋。气质温和亲切，与人交谈时真诚，对待宠物时眼神宠溺，会用摊手、挠头等小动作表达无奈，是个内心细腻的暖男。\n主角：身高与白衫相仿，身形挺拔，站姿稳重。面部轮廓分明，眼神锐利但内敛，表情变化细微，善于观察。发型为深色利落短发，显得干练。穿着深色系的休闲夹克，内搭纯色T恤，下身是工装裤，整体风格偏向实用和低调。气质沉稳，话不多，习惯通过嘴角抽动、眼神聚焦等微表情传递内心活动，行动果断且有目的性。\n呱呱：一只体型极度肥胖的宠物，身躯圆滚滚，四肢短小，趴在地上像个肉球。拥有一双憨态可掬的大眼睛，表情总是懒洋洋的。毛发短而顺滑，脖子上戴着一个简单的项圈。动作迟缓，极度懒散，没有食物的诱惑便不愿动弹，对主人的抚摸会表现出心满意足的样子，是一只被宠坏了的“吃货”。\n【场景描述】：午后阳光明媚的公园草坪，氛围从轻松宠溺的日常，转为对宠物健康的真切担忧，最终变为热心指路的平实交流。主要视觉元素是茵茵绿草、蜿蜒的小径，以及趴在地上一动不动的胖宠物。\n【站位】：1. 白衫与主角并肩站立，呱呱在他们脚边的草地上。\n2. 三人位置不变，白衫面向主角和呱呱。\n3. 白衫蹲在呱呱旁边，主角站在他身侧，形成高低位。\n4. 白衫维持蹲姿，主角站在一旁注视。\n5. 白衫从呱呱身边站起，转身面对呱呱。\n6. 主角面向白衫，两人相对而立，主角向前半步拉近距离。\n7. 两人保持相对站立，白衫短暂望向远方后，目光回到主角身上。\n8. 白衫侧身指向西边，主角随其指向望向同一方向。"
    }
]

# ==========================================
# PART 1: 剧本生成模型 (ScriptAgent)
# ==========================================
from swift.llm import get_model_tokenizer, get_template, inference
import torch

# 全局变量
MODEL_NAME = "XD-MU/ScriptAgent"
LOCAL_MODEL_PATH = "./downloaded_models/ScriptAgent"
OFFLOAD_FOLDER = "./offload"
model = None  # 模型对象
tokenizer = None  # 分词器对象
template = None  # 模板对象

# 确保目录存在
os.makedirs(LOCAL_MODEL_PATH, exist_ok=True)
os.makedirs(OFFLOAD_FOLDER, exist_ok=True)

def load_llm_model():
    """使用 SWIFT 加载 ScriptAgent 模型 - CPU优化版本"""
    global model, tokenizer, template
    if model is not None:
        return
    
    try:
        # 1. 检查本地是否已下载模型
        if not os.path.exists(LOCAL_MODEL_PATH):
            print(f"正在从 HuggingFace 下载模型到 {LOCAL_MODEL_PATH}...")
            snapshot_download(
                repo_id=MODEL_NAME,
                local_dir=LOCAL_MODEL_PATH,
                local_dir_use_symlinks=False,
                resume_download=True
            )
            print(f"✅ 模型已下载到: {LOCAL_MODEL_PATH}")
        else:
            print(f"✅ 模型已存在: {LOCAL_MODEL_PATH}")
        
        # 2. 使用 SWIFT 正确加载模型
        print("正在使用 SWIFT 加载模型（CPU + 半精度优化）...")
        
        # 🔥 关键修改：使用 get_model_tokenizer
        model, tokenizer = get_model_tokenizer(
            model_id_or_path=LOCAL_MODEL_PATH,
            torch_dtype=torch.float16,           # 半精度
            model_kwargs={
                'device_map': 'cpu',              # CPU设备
                'low_cpu_mem_usage': True,        # 低内存模式
                'offload_folder': OFFLOAD_FOLDER, # 内存溢出卸载到磁盘
            },
            max_model_len=4096,                   # 限制上下文长度
        )
        
        # 设置为评估模式
        model.eval()
        
        # 获取模板
        template = get_template(tokenizer=tokenizer, model=model)
        
        print("✅ SWIFT 模型加载完成（已启用内存优化）")
        
    except Exception as e:
        print(f"❌ 模型加载失败: {e}")
        import traceback
        traceback.print_exc()

def chat_with_scriptagent(user_input: str):
    """使用 SWIFT 与 ScriptAgent 对话生成剧本"""
    global model, tokenizer, template
    
    if model is None:
        load_llm_model()
        if model is None:
            return "❌ 模型加载失败，请检查后台日志。"
    
    user_input = user_input.strip()
    if not user_input:
        return "请输入内容"

    try:
        print("🤖 正在使用 SWIFT 推理剧本...")
        
        # 🔥 使用 SWIFT 的 inference 函数
        response, _ = inference(
            model=model,
            tokenizer=tokenizer,
            template=template,
            query=user_input,
            max_new_tokens=4096,        # 从8192降低到4096
            temperature=0.7,
            top_p=0.9,
            repetition_penalty=1.1,
            do_sample=True,
            num_beams=1,                # 贪婪解码
        )
        
        print(f"✅ 生成结果长度: {len(response)} 字符")
        return response if response else "⚠️ 生成为空，请重试"
    
    except Exception as e:
        print(f"❌ 生成出错: {e}")
        import traceback
        traceback.print_exc()
        return f"生成失败: {str(e)}"
# ==========================================
# PART 2: 视频生成 API 封装
# ==========================================

class OpenAISoraAPI:
    """OpenAI Sora API 封装"""
    
    def __init__(self, api_key: str):
        if OpenAI is None:
            raise RuntimeError("未安装 openai 库，请运行: pip install openai")
        self.client = OpenAI(api_key=api_key)
    
    def generate_video(
        self, 
        prompt: str, 
        output_path: str, 
        model: str, 
        size: str, 
        seconds: int, 
        ref_img_path: str = None
    ) -> Optional[str]:
        """
        生成视频
        返回: None (成功) 或 错误信息字符串
        """
        try:
            LOGGER.info(f"🎬 Sora API 调用: {model} | {size} | {seconds}秒")
            
            # 构建请求参数
            kwargs = {
                "model": model,
                "prompt": prompt,
                "size": size,
                "seconds": str(seconds),
            }
            
            # 添加参考图片（如果有）
            if ref_img_path and os.path.exists(ref_img_path):
                with open(ref_img_path, 'rb') as f:
                    kwargs["input_reference"] = f
            
            # 创建视频任务
            video_job = self.client.videos.create(**kwargs)
            
            # 轮询任务状态
            while video_job.status in ["queued", "processing"]:
                LOGGER.info(f"⏳ 视频生成中... 进度: {video_job.progress}%")
                time.sleep(10)
                video_job = self.client.videos.retrieve(video_job.id)
            
            # 检查任务状态
            if video_job.status == "completed":
                # 下载视频
                video_url = video_job.url
                import requests
                video_data = requests.get(video_url).content
                with open(output_path, 'wb') as f:
                    f.write(video_data)
                LOGGER.info(f"✅ 视频已保存: {output_path}")
                return None
            else:
                error_msg = f"视频生成失败，状态: {video_job.status}"
                LOGGER.error(error_msg)
                return error_msg
                
        except Exception as e:
            error_msg = f"Sora API 错误: {str(e)}"
            LOGGER.error(error_msg)
            import traceback
            traceback.print_exc()
            return error_msg


class GoogleVeoAPI:
    """Google Veo 3.1 API 封装"""
    
    def __init__(self, api_key: str):
        if genai is None:
            raise RuntimeError("未安装 google-genai 库，请运行: pip install google-genai")
        self.client = genai.Client(api_key=api_key)
    
    def generate_video(
        self, 
        prompt: str, 
        output_path: str, 
        size: str, 
        seconds: int, 
        ref_img_path: str = None
    ) -> Optional[str]:
        """
        生成视频
        返回: None (成功) 或 错误信息字符串
        """
        try:
            LOGGER.info(f"🎬 Veo API 调用: {size} | {seconds}秒")
            
            # 构建配置
            config_kwargs = {}
            
            # 添加参考图片（如果有）
            if ref_img_path and os.path.exists(ref_img_path):
                ref_image = Image.open(ref_img_path)
                reference = types.VideoGenerationReferenceImage(
                    image=ref_image,
                    reference_type="asset"
                )
                config_kwargs["reference_images"] = [reference]
            
            # 映射分辨率
            resolution_map = {"1080p": "1080p", "720p": "720p"}
            resolution = resolution_map.get(size, "720p")
            
            # 创建视频生成任务
            operation = self.client.models.generate_videos(
                model="veo-3.1-generate-preview",
                prompt=prompt,
                config=types.GenerateVideosConfig(
                    duration_seconds=seconds,
                    resolution=resolution,
                    aspect_ratio="16:9",
                    **config_kwargs
                ),
            )
            
            # 轮询任务状态
            while not operation.done:
                LOGGER.info("⏳ 视频生成中...")
                time.sleep(10)
                operation = self.client.operations.get(operation)
            
            # 下载视频
            video = operation.response.generated_videos[0]
            self.client.files.download(file=video.video, output_path=output_path)
            
            LOGGER.info(f"✅ 视频已保存: {output_path}")
            return None
                
        except Exception as e:
            error_msg = f"Veo API 错误: {str(e)}"
            LOGGER.error(error_msg)
            import traceback
            traceback.print_exc()
            return error_msg


# ==========================================
# PART 3: 视频处理工具函数
# ==========================================

def parse_script_nodes(script_text: str) -> List[str]:
    """解析剧本为分镜列表"""
    cleaned = script_text.replace("\r\n", "\n").strip()
    pattern = re.compile(r"\s*(\d+)\.\s*")
    matches = list(pattern.finditer(cleaned))
    if not matches:
        return [line.strip() for line in cleaned.split('\n') if line.strip()]
    nodes = []
    for index, match in enumerate(matches):
        start = match.end()
        end = matches[index + 1].start() if index + 1 < len(matches) else len(cleaned)
        content = cleaned[start:end].strip()
        if content:
            nodes.append(content)
    return nodes


def extract_last_frame(video_path: str, output_path: str) -> Optional[str]:
    """提取视频最后一帧作为参考图"""
    if cv2 is None:
        return None
    
    cap = cv2.VideoCapture(video_path)
    if not cap.isOpened():
        return None
    
    total_frames = int(cap.get(cv2.CAP_PROP_FRAME_COUNT))
    cap.set(cv2.CAP_PROP_POS_FRAMES, max(total_frames - 1, 0))
    ret, frame = cap.read()
    cap.release()
    
    if ret:
        cv2.imwrite(output_path, frame)
        return output_path
    return None


def stitch_videos(video_paths: List[str], output_path: str):
    """拼接多个视频为最终成片"""
    if not video_paths:
        raise ValueError("未提供可拼接的视频文件。")
    
    if VideoFileClip is None or concatenate_videoclips is None:
        raise RuntimeError("未找到 moviepy，请安装依赖。")
    
    clips = []
    try:
        for path in video_paths:
            if not os.path.exists(path):
                continue
            clips.append(VideoFileClip(path))
        
        if not clips:
            raise ValueError("没有有效的视频片段")
        
        final_clip = concatenate_videoclips(clips, method="compose")
        final_clip.write_videofile(
            output_path, 
            codec="libx264", 
            audio_codec="aac", 
            verbose=False, 
            logger=None, 
            remove_temp=True
        )
    finally:
        for clip in clips:
            clip.close()


# ==========================================
# PART 4: 视频生成流水线
# ==========================================

def run_video_generation_pipeline(
    script_text: str,
    api_key: str,
    model_name: str,
    style_choice: str,
    size: str,
    seconds: int
):
    """
    视频生成流水线
    
    Yields: (分镜列表, 最终视频路径, 日志信息)
    """
    # 验证输入
    if not script_text:
        yield [], None, "❌ 请输入剧本！"
        return
    
    if not api_key or api_key == "Your API Key":
        yield [], None, "❌ 请输入有效的 API Key！"
        return
    
    # 解析剧本
    nodes = parse_script_nodes(script_text)
    run_id = datetime.datetime.now().strftime("%Y%m%d_%H%M%S")
    output_dir = os.path.join("output_videos", run_id)
    os.makedirs(output_dir, exist_ok=True)
    
    # 初始化 API 客户端
    try:
        if model_name.startswith("sora"):
            api_client = OpenAISoraAPI(api_key)
        elif model_name.startswith("veo"):
            api_client = GoogleVeoAPI(api_key)
        else:
            yield [], None, f"❌ 不支持的模型: {model_name}"
            return
    except Exception as e:
        yield [], None, f"❌ API 初始化失败: {str(e)}"
        return
    
    generated_videos = []
    last_frame_path = None
    style_prompt = STYLE_PROMPTS.get(style_choice, "")
    
    yield [], None, f"🚀 开始任务，共 {len(nodes)} 个分镜。模型: {model_name}"

    # 逐个生成分镜
    for i, node_text in enumerate(nodes):
        idx = i + 1
        video_filename = os.path.join(output_dir, f"segment_{idx:02d}.mp4")
        full_prompt = f"{CONTINUITY_PROMPT}\n{style_prompt}\n镜头编号：{idx}/{len(nodes)}。\n镜头脚本：{node_text}"
        
        yield generated_videos, None, f"🎥 生成中: 分镜 {idx}/{len(nodes)}..."
        
        # 调用 API 生成视频
        if model_name.startswith("sora"):
            err = api_client.generate_video(
                prompt=full_prompt,
                output_path=video_filename,
                model=model_name,
                size=size,
                seconds=seconds,
                ref_img_path=last_frame_path
            )
        else:  # veo
            err = api_client.generate_video(
                prompt=full_prompt,
                output_path=video_filename,
                size=size,
                seconds=seconds,
                ref_img_path=last_frame_path
            )
        
        if err:
            yield generated_videos, None, f"❌ 分镜 {idx} 失败: {err}"
            return
        
        generated_videos.append(video_filename)
        
        # 提取最后一帧作为下一个分镜的参考
        if i < len(nodes) - 1:
            frame_path = os.path.join(output_dir, f"ref_{idx:02d}.png")
            last_frame_path = extract_last_frame(video_filename, frame_path)
        
        yield generated_videos, None, f"✅ 分镜 {idx} 完成"

    # 拼接视频
    yield generated_videos, None, "🎬 正在拼接..."
    final_video_path = os.path.join(output_dir, "final_movie.mp4")
    
    try:
        stitch_videos(generated_videos, final_video_path)
        yield generated_videos, final_video_path, "🎉 任务完成！"
    except Exception as e:
        yield generated_videos, None, f"❌ 拼接失败: {str(e)}"


# ==========================================
# PART 5: Gradio 界面
# ==========================================

def update_model_params(model_name):
    """根据模型更新界面参数"""
    config = MODEL_CONFIGS.get(model_name, MODEL_CONFIGS["sora-2"])
    return (
        gr.Dropdown(
            choices=config["sizes"], 
            value=config["sizes"][0], 
            label=f"分辨率 ({model_name})"
        ),
        gr.Slider(
            minimum=config["seconds_range"]["minimum"], 
            maximum=config["seconds_range"]["maximum"], 
            step=config["seconds_range"]["step"], 
            value=config["seconds_range"]["value"], 
            label=config["seconds_label"]
        )
    )


def get_demo_path(filename):
    """获取 Demo 文件路径"""
    return filename if os.path.exists(filename) else None


# 构建 Gradio 界面
with gr.Blocks(title="AI 剧本视频工厂") as demo:
    gr.Markdown("# 🎬 ScriptAgent & Sora/Veo 视频生成工坊")
    
    with gr.Tabs():
        # --- TAB 1: 剧本创作 ---
        with gr.Tab("📝 第一步：剧本创作"):
            with gr.Row():
                with gr.Column():
                    llm_input = gr.Textbox(
                        label="剧情输入", 
                        placeholder="主角：你在做什么？...", 
                        lines=6
                    )
                    llm_btn = gr.Button("生成/续写剧本", variant="primary")
                
                with gr.Column():
                    llm_output = gr.Textbox(
                        label="生成的剧本", 
                        lines=10, 
                        interactive=True
                    )
                    to_video_btn = gr.Button("⬇️ 发送到视频生成", variant="secondary")
            
            gr.Examples(
                [[
                    "主角：你在做什么？指引图是不能随便篡改的。\n"
                    "蒋前：篡改指引图？不不不，你误会了。\n"
                    "蒋前：我才加入风物家没多久，哪有这个本事能篡改它..."
                ]], 
                inputs=llm_input
            )

        # --- TAB 2: 视频生成 ---
        with gr.Tab("🎥 第二步：视频生成"):
            with gr.Row():
                # 左侧配置区
                with gr.Column(scale=1):
                    with gr.Accordion("⚙️ API 设置", open=True):
                        api_key_input = gr.Textbox(
                            label="API Key", 
                            type="password", 
                            value="Your API Key",
                            info="根据选择的模型输入 OpenAI 或 Google API Key"
                        )
                    
                    gr.Markdown("### 🎨 风格与模型配置")
                    style_radio = gr.Radio(
                        choices=STYLE_KEYS, 
                        value=STYLE_KEYS[0], 
                        label="画风"
                    )
                    model_sel = gr.Dropdown(
                        choices=["sora-2", "sora-2-pro", "veo-3.1"], 
                        value="sora-2", 
                        label="选择模型",
                        info="Sora 使用 OpenAI Key，Veo 使用 Google Key"
                    )
                    
                    with gr.Row():
                        size_sel = gr.Dropdown(
                            choices=MODEL_CONFIGS["sora-2"]["sizes"], 
                            value=MODEL_CONFIGS["sora-2"]["sizes"][0], 
                            label="分辨率"
                        )
                        sec_slider = gr.Slider(
                            minimum=4, 
                            maximum=12, 
                            step=4, 
                            value=4, 
                            label="单镜时长"
                        )

                    video_script_input = gr.TextArea(
                        label="分镜脚本", 
                        lines=8, 
                        placeholder="1. [0-8秒] ..."
                    )
                    gen_btn = gr.Button("🚀 开始生成", variant="primary")
                    status_log = gr.Textbox(label="日志", interactive=False)

                # 右侧展示区
                with gr.Column(scale=2):
                    gr.Markdown("### 🎞️ 分镜预览")
                    gallery = gr.Gallery(
                        label="分镜序列", 
                        columns=3, 
                        height="auto"
                    )
                    
                    gr.Markdown("### 🎬 最终成片")
                    final_video = gr.Video(label="成片输出")

                    # Demo 展示区（保持不变）
                    gr.Markdown("---")
                    gr.Markdown("### 🌟 精选成片案例 (Demo Showcase)")
                    
                    # 使用 2x2 布局
                    for i in range(0, 4, 2): 
                        with gr.Row():
                            for j in range(2): 
                                idx = i + j
                                if idx < len(DEMO_DATA):
                                    item = DEMO_DATA[idx]
                                    with gr.Column():
                                        # 使用 Group 制造卡片效果
                                        with gr.Group():
                                            gr.Video(value=get_demo_path(item["file"]), label=item["title"], interactive=False)
                                            # 使用 Accordion 折叠剧本
                                            with gr.Accordion(f"📄 查看剧本: {item['title']}", open=False):
                                                gr.Textbox(
                                                    value=item["script"], 
                                                    show_label=False, 
                                                    lines=6,       
                                                    max_lines=6,   
                                                    interactive=False

                                                )

    # --- 逻辑绑定 ---
    llm_btn.click(chat_with_scriptagent, llm_input, llm_output)
    
    to_video_btn.click(
        lambda x: (x, gr.Tabs(selected="🎥 第二步：视频生成")), 
        inputs=llm_output, 
        outputs=[video_script_input, demo]
    )
    
    model_sel.change(
        fn=update_model_params, 
        inputs=model_sel, 
        outputs=[size_sel, sec_slider]
    )
    
    gen_btn.click(
        fn=run_video_generation_pipeline,
        inputs=[
            video_script_input, 
            api_key_input, 
            model_sel, 
            style_radio, 
            size_sel, 
            sec_slider
        ],
        outputs=[gallery, final_video, status_log]
    )

if __name__ == "__main__":
    demo.queue()
    demo.launch(server_name="0.0.0.0", server_port=7860)