app.py

import gradio as gr
from transformers import pipeline
import soundfile as sf
from moviepy.editor import VideoClip, AudioFileClip
from PIL import Image, ImageDraw, ImageFont
import numpy as np

# ===== Criar pipeline TTS =====
tts_model = pipeline(
"text-to-speech",
model="espnet/kan-bayashi_ljspeech_tts_train_tacotron2"
)

def gerar_video_premium(prompt_texto):
"""
Função:
1. Gera áudio via TTS
2. Cria vídeo animado com cores dinâmicas
3. Adiciona áudio
4. Retorna caminho do vídeo
"""
# ===== Gerar áudio =====
tts_output = tts_model(prompt_texto)
sf.write("audio.wav", tts_output["array"], samplerate=tts_output["sampling_rate"])
audio_clip = AudioFileClip("audio.wav")
duracao = audio_clip.duration

# ===== Função de frame animado =====
largura, altura = 1280, 720
def make_frame(t):
# Fundo animado com cores oscilando
frame = np.zeros((altura, largura, 3), dtype=np.uint8)
r = int((np.sin(t*2*np.pi/5) + 1) * 127)
g = int((np.sin(t*2*np.pi/3 + 1) + 1) * 127)
b = int((np.sin(t*2*np.pi/4 + 2) + 1) * 127)
frame[:, :, 0] = r
frame[:, :, 1] = g
frame[:, :, 2] = b

# Adicionar texto centralizado
pil_img = Image.fromarray(frame)
draw = ImageDraw.Draw(pil_img)
font = ImageFont.load_default()
text_size = draw.textsize(prompt_texto, font=font)
draw.text(
((largura - text_size[0]) / 2, (altura - text_size[1]) / 2),
prompt_texto, fill=(255, 255, 255), font=font
)
return np.array(pil_img)

# ===== Criar vídeo =====
video_clip = VideoClip(make_frame, duration=duracao).set_audio(audio_clip)

# ===== Salvar vídeo =====
video_clip.write_videofile("video_final.mp4", fps=24, codec="libx264", audio_codec="aac")

return "video_final.mp4"

# ===== Interface Gradio =====
iface = gr.Interface(
fn=gerar_video_premium,
inputs=gr.Textbox(label="Digite o prompt para gerar vídeo e áudio"),
outputs=gr.Video(label="Vídeo gerado"),
title="Gerador Premium de Vídeo + Áudio",
description="Digite qualquer prompt. O Space gera um vídeo animado profissional com TTS."
)

iface.launch()


app.py

@@ -1,35 +1,69 @@
+import gradio as gr
 from transformers import pipeline
 import soundfile as sf
-from moviepy.editor import ImageClip, AudioFileClip, concatenate_videoclips
+from moviepy.editor import VideoClip, AudioFileClip
 from PIL import Image, ImageDraw, ImageFont
 import numpy as np
 
-# ===== 1️⃣ Criar TTS =====
+# ===== Criar pipeline TTS =====
 tts_model = pipeline(
     "text-to-speech",
     model="espnet/kan-bayashi_ljspeech_tts_train_tacotron2"
 )
 
-texto = "Olá! Este é um teste de geração de áudio e vídeo."
+def gerar_video_premium(prompt_texto):
+    """
+    Função:
+    1. Gera áudio via TTS
+    2. Cria vídeo animado com cores dinâmicas
+    3. Adiciona áudio
+    4. Retorna caminho do vídeo
+    """
+    # ===== Gerar áudio =====
+    tts_output = tts_model(prompt_texto)
+    sf.write("audio.wav", tts_output["array"], samplerate=tts_output["sampling_rate"])
+    audio_clip = AudioFileClip("audio.wav")
+    duracao = audio_clip.duration
+    
+    # ===== Função de frame animado =====
+    largura, altura = 1280, 720
+    def make_frame(t):
+        # Fundo animado com cores oscilando
+        frame = np.zeros((altura, largura, 3), dtype=np.uint8)
+        r = int((np.sin(t*2*np.pi/5) + 1) * 127)
+        g = int((np.sin(t*2*np.pi/3 + 1) + 1) * 127)
+        b = int((np.sin(t*2*np.pi/4 + 2) + 1) * 127)
+        frame[:, :, 0] = r
+        frame[:, :, 1] = g
+        frame[:, :, 2] = b
+        
+        # Adicionar texto centralizado
+        pil_img = Image.fromarray(frame)
+        draw = ImageDraw.Draw(pil_img)
+        font = ImageFont.load_default()
+        text_size = draw.textsize(prompt_texto, font=font)
+        draw.text(
+            ((largura - text_size[0]) / 2, (altura - text_size[1]) / 2),
+            prompt_texto, fill=(255, 255, 255), font=font
+        )
+        return np.array(pil_img)
+    
+    # ===== Criar vídeo =====
+    video_clip = VideoClip(make_frame, duration=duracao).set_audio(audio_clip)
+    
+    # ===== Salvar vídeo =====
+    video_clip.write_videofile("video_final.mp4", fps=24, codec="libx264", audio_codec="aac")
+    
+    return "video_final.mp4"
 
-# ===== 2️⃣ Gerar áudio =====
-output = tts_model(texto)
-sf.write("saida.wav", output["array"], samplerate=output["sampling_rate"])
-
-# ===== 3️⃣ Criar imagem de fundo =====
-largura, altura = 1280, 720
-img = Image.new('RGB', (largura, altura), color=(30, 30, 30))
-draw = ImageDraw.Draw(img)
-font = ImageFont.load_default()
-draw.text((50, altura//2 - 10), texto, fill=(255, 255, 255), font=font)
-img.save("background.png")
-
-# ===== 4️⃣ Criar clipe de vídeo =====
-audio_clip = AudioFileClip("saida.wav")
-image_clip = ImageClip("background.png").set_duration(audio_clip.duration)
-video_clip = image_clip.set_audio(audio_clip)
+# ===== Interface Gradio =====
+iface = gr.Interface(
+    fn=gerar_video_premium,
+    inputs=gr.Textbox(label="Digite o prompt para gerar vídeo e áudio"),
+    outputs=gr.Video(label="Vídeo gerado"),
+    title="Gerador Premium de Vídeo + Áudio",
+    description="Digite qualquer prompt. O Space gera um vídeo animado profissional com TTS."
+)
 
-# ===== 5️⃣ Salvar vídeo =====
-video_clip.write_videofile("saida.mp4", fps=24)
+iface.launch()
 
-print("Vídeo gerado com sucesso! Verifique o arquivo 'saida.mp4'.")