Update app.py

app.py

@@ -2,35 +2,85 @@ import gradio as gr
 from diffusers import DiffusionPipeline
 import torch
 import imageio
+import numpy as np
+import os
 
+# Detectar si hay GPU disponible
+device = "cuda" if torch.cuda.is_available() else "cpu"
+dtype = torch.float16 if device == "cuda" else torch.float32
+
+print(f"Usando dispositivo: {device} - dtype: {dtype}")
+
+# Cargar pipeline (se descarga la primera vez)
 pipe = DiffusionPipeline.from_pretrained(
     "cerspense/zeroscope_v2_576w",
-    torch_dtype=torch.float32
+    torch_dtype=dtype
 )
 
-pipe.enable_model_cpu_offload()
-
-def generate(prompt):
-
-    result = pipe(
-        prompt,
-        num_inference_steps=15,
-        num_frames=16
-    )
-
-    frames = result.frames
+if device == "cuda":
+    pipe.to("cuda")
+    # No usar offload en GPU
+else:
+    pipe.enable_model_cpu_offload()  # ayuda en CPU con poca RAM
 
-    output_path = "video.mp4"
+def generate_video(prompt: str):
+    """
+    Genera un video corto a partir de un prompt de texto.
+    """
+    if not prompt.strip():
+        return None, "El prompt no puede estar vacío."
 
-    imageio.mimsave(output_path, frames, fps=8)
+    # Parámetros reducidos para CPU o GPU pequeña
+    num_frames = 16   # múltiplo de 4, entre 12 y 24
+    height = 320
+    width = 576
+    steps = 15        # menos pasos = más rápido
 
-    return output_path
+    try:
+        result = pipe(
+            prompt,
+            num_inference_steps=steps,
+            num_frames=num_frames,
+            height=height,
+            width=width
+        )
+        # result.frames es una lista de frames (PIL o numpy)
+        frames = result.frames[0] if isinstance(result.frames, list) else result.frames
+        
+        # Convertir PIL a numpy si es necesario
+        if hasattr(frames[0], 'size'):  # son PIL Images
+            frames = [np.array(frame) for frame in frames]
+        
+        output_path = "/tmp/video.mp4"
+        imageio.mimsave(output_path, frames, fps=8)
+        return output_path, "✅ Video generado correctamente."
+    
+    except Exception as e:
+        return None, f"❌ Error: {str(e)}"
 
-demo = gr.Interface(
-    fn=generate,
-    inputs=gr.Textbox(label="Prompt"),
-    outputs=gr.Video(),
-    title="Free AI Video Generator"
-)
+# Crear interfaz Gradio
+with gr.Blocks(title="Zeroscope AI Video Generator") as demo:
+    gr.Markdown("# 🎬 Generador de Vídeos con IA (Zeroscope)")
+    gr.Markdown("Escribe un prompt y obtén un video de 2 segundos (16 frames a 8 fps).")
+    
+    with gr.Row():
+        with gr.Column():
+            prompt_input = gr.Textbox(label="Prompt", placeholder="Ej: 'Un astronauta cabalgando un caballo en Marte'", lines=3)
+            generate_btn = gr.Button("🎥 Generar video", variant="primary")
+        with gr.Column():
+            video_output = gr.Video(label="Video generado")
+            status_text = gr.Textbox(label="Estado", interactive=False)
+    
+    generate_btn.click(
+        fn=generate_video,
+        inputs=prompt_input,
+        outputs=[video_output, status_text]
+    )
+    
+    gr.Markdown("### 💡 Tips")
+    gr.Markdown("- Sé específico: 'una playa tropical al atardecer con olas suaves'")
+    gr.Markdown("- La primera ejecución descarga el modelo (puede tomar 2-3 minutos).")
 
-demo.launch()
+# Lanzar la app
+if __name__ == "__main__":
+    demo.launch(server_name="0.0.0.0", server_port=7860)