OpenAIクライアントの初期化処理を簡素化し、プロキシ環境変数の一時的な無効化処理を削除しました。これにより、httpxのパッチでプロキシ問題が解決されるようになりました。また、エラーハンドリングを改善しました。

app.py

@@ -32,12 +32,14 @@ def initialize_apis():
     except Exception as e:
         error_msg = f"Kling API: {str(e)}"
         if is_huggingface_spaces:
-            error_msg += "\n\nHugging Face Spacesで環境変数を設定するには:\n"
-            error_msg += "1. Space設定ページの「Settings」タブを開く\n"
-            error_msg += "2. 「Repository secrets」セクションで以下を追加:\n"
-            error_msg += "   - USEAPI_NET_TOKEN\n"
-            error_msg += "   - USEAPI_NET_EMAIL\n"
-            error_msg += "3. Spaceを再起動する"
+            error_msg += """
+
+Hugging Face Spacesで環境変数を設定するには:
+1. Space設定ページの「Settings」タブを開く
+2. 「Repository secrets」セクションで以下を追加:
+   - USEAPI_NET_TOKEN
+   - USEAPI_NET_EMAIL
+3. Spaceを再起動する"""
         errors.append(error_msg)
         kling_api = None
     
@@ -57,23 +59,31 @@ def initialize_apis():
         return False, f"❌ APIの初期化に失敗しました: {'; '.join(errors)}"
 
 def calculate_credits_and_clips(duration_minutes: float) -> Tuple[int, int, int]:
-    """必要なクリップ数とクレジットを計算"""
+    """動画の長さに応じて、必要なクレジット数とクリップ数を計算"""
     total_seconds = int(duration_minutes * 60)
-    num_clips = total_seconds // 10  # 10秒ごとのクリップ
     
-    # クレジット計算（仮定値）
-    standard_credits = (num_clips - 1) * 20  # 中間クリップ（Standard）
-    professional_credits = 60  # 最終クリップ（Professional）
-    total_credits = standard_credits + professional_credits
+    # 10秒クリップを優先
+    num_10s_clips = total_seconds // 10
+    remaining_seconds = total_seconds % 10
+    
+    num_5s_clips = 0
+    if remaining_seconds > 0:
+        num_5s_clips = 1
+    
+    num_clips = num_10s_clips + num_5s_clips
     
-    return num_clips, total_credits, total_seconds
+    # クレジット計算（概算）
+    # 5秒クリップ: 12クレジット
+    # 10秒クリップ: 20クレジット
+    credits = (num_10s_clips * 20) + (num_5s_clips * 12)
+    
+    return credits, num_clips, total_seconds
 
 async def generate_loop_video(
     start_image,
     end_image, 
     prompt: str,
     duration_minutes: float,
-    use_ai_split: bool,
     progress=gr.Progress()
 ) -> Optional[str]:
     """ループ動画を生成"""
@@ -118,86 +128,47 @@ async def generate_loop_video(
     if not prompt or len(prompt.strip()) == 0:
         gr.Warning("プロンプトを入力してください。")
         return None
-    
-    if duration_minutes < 0.5 or duration_minutes > 10:
-        gr.Warning("動画の長さは0.5分〜10分の範囲で指定してください。")
-        return None
-    
-    # 画像のアスペクト比をチェック
-    with Image.open(start_image) as img:
-        start_width, start_height = img.size
-        start_ratio = start_width / start_height
-    
-    with Image.open(end_image) as img:
-        end_width, end_height = img.size
-        end_ratio = end_width / end_height
-    
-    # 開始画像と終了画像のアスペクト比が大きく異なる場合は警告
-    ratio_diff_percent = abs(start_ratio - end_ratio) / start_ratio * 100
-    if ratio_diff_percent > 10:
-        gr.Warning(
-            f"⚠️ 開始画像（{start_width}x{start_height}）と終了画像（{end_width}x{end_height}）の"
-            f"アスペクト比が異なります。\n"
-            f"スムーズなループ動画を作成するには、同じアスペクト比の画像を使用することをお勧めします。"
-        )
-    
-    # クリップ数とクレジットを計算
-    num_clips, total_credits, total_seconds = calculate_credits_and_clips(duration_minutes)
-    
-    progress(0, f"動画生成を開始します。{num_clips}個のクリップを生成します...")
-    
+
+    # 一時ファイルマネージャ
     temp_manager = TempFileManager()
-    
+
     try:
-        # 画像からプロンプトを生成
+        # 開始・終了画像を一時ファイルに保存
+        start_image_path = temp_manager.save_temp_file(start_image)
+        end_image_path = temp_manager.save_temp_file(end_image)
+
+        # クレジットとクリップ数を計算
+        _, num_clips, total_seconds = calculate_credits_and_clips(duration_minutes)
+
         progress(0.05, "画像を分析中...")
         
         start_image_description = ""
         end_image_description = ""
         
-        if openai_splitter:
+        if openai_splitter and openai_splitter.client:
             # 開始画像の分析
-            start_image_description = await openai_splitter.generate_image_description(start_image)
+            start_image_description = await openai_splitter.generate_image_description(start_image_path)
             print(f"開始画像の説明: {start_image_description}")
             
             # 終了画像の分析
-            end_image_description = await openai_splitter.generate_image_description(end_image)
+            end_image_description = await openai_splitter.generate_image_description(end_image_path)
             print(f"終了画像の説明: {end_image_description}")
-        
-        # プロンプトを分割
+
         progress(0.1, "プロンプトを分割中...")
         
-        # OpenAI APIの状態を確認
-        print(f"🔍 OpenAI API状態チェック:")
-        print(f"  - openai_splitter存在: {openai_splitter is not None}")
-        if openai_splitter:
-            print(f"  - openai_splitter.client存在: {openai_splitter.client is not None}")
-            if openai_splitter.client:
-                print(f"  - OpenAI APIキー設定済み: ✅")
-            else:
-                print(f"  - OpenAI APIキー未設定: ❌")
-        print(f"  - use_ai_split: {use_ai_split}")
-        
-        if use_ai_split and openai_splitter:
+        # OpenAI APIが利用可能かチェック
+        use_ai_split = openai_splitter is not None and openai_splitter.client is not None
+
+        if use_ai_split:
             print("🤖 AI自動分割を使用します")
-            # AI自動分割（画像の説明を使用）
             prompts = await openai_splitter.split_prompt(
-                prompt, 
-                num_clips,
-                start_image_description,
-                end_image_description
+                prompt, num_clips, start_image_description, end_image_description
             )
             print(f"✅ GPTが {len(prompts)} 個のプロンプトを生成しました")
-            
-            # 開始画像の説明を各プロンプトに追加
-            for prompt_data in prompts:
-                # すべてのクリップで画像説明をそのまま使用（既にカメラ固定情報が含まれている）
-                prompt_data["prompt"] = f"{start_image_description} {prompt_data['prompt']}"
         else:
             print("📝 手動分割を使用します（OpenAI API未設定またはエラー）")
-            # 手動分割（画像説明 + ユーザープロンプト）
             base_prompt = f"{start_image_description} {prompt}" if start_image_description else prompt
-            prompts = [{"clip_number": i+1, "prompt": base_prompt} for i in range(num_clips)]
+            prompts = [{"clip_number": i + 1, "prompt": base_prompt} for i in range(num_clips)]
             print(f"📄 {len(prompts)} 個の同一ベースプロンプトを生成しました")
         
         # 動画クリップを生成
@@ -207,135 +178,54 @@ async def generate_loop_video(
         print(f"総クリップ数: {num_clips}")
         print(f"総時間: {total_seconds}秒")
         
-        for i, prompt_data in enumerate(prompts):
-            clip_prompt = prompt_data["prompt"]
-            progress_value = 0.1 + (0.8 * i / num_clips)
+        current_image_path = start_image_path
+        
+        for i in range(num_clips):
+            progress_val = 0.2 + (0.7 * (i / num_clips))
+            progress(progress_val, f"クリップ {i+1}/{num_clips} を生成中...")
             
             print(f"\n--- クリップ {i+1}/{num_clips} ---")
+            
+            clip_prompt = prompts[i]['prompt']
             print(f"📝 使用プロンプト: {clip_prompt}")
-            progress(progress_value, f"クリップ {i+1}/{num_clips} を生成中...")
             
-            # モデルとパラメータを決定
-            if i == 0:
-                # 最初のクリップ
-                image_path = start_image
-                model = "kling-v1-6"
-                tail_image = None
-            elif i == num_clips - 1:
-                # 最後のクリップ（ループ用）
-                # 前のクリップの最後のフレームを使用
-                last_frame = VideoProcessor.extract_frames(video_paths[-1], 1)[0]
-                temp_image = temp_manager.get_temp_path(".png")
-                VideoProcessor.save_frame_as_image(last_frame, temp_image)
-                image_path = temp_image
-                model = "kling-v1-6"  # Professional（tail_image対応）
-                tail_image = end_image
-                # 最後のクリップのプロンプトを調整（スムーズな収束を促す）
-                clip_prompt = clip_prompt + ", smooth transition, gradual movement towards the final position"
-            else:
-                # 中間のクリップ
-                # 前のクリップの最後のフレームを使用
-                last_frame = VideoProcessor.extract_frames(video_paths[-1], 1)[0]
-                temp_image = temp_manager.get_temp_path(".png")
-                VideoProcessor.save_frame_as_image(last_frame, temp_image)
-                image_path = temp_image
-                model = "kling-v1-6"
-                tail_image = None
+            # 最後のクリップのみtail_imageを使用
+            tail_image_path = end_image_path if i == num_clips - 1 else None
             
-            # タスクを作成
-            # v1-6モデルを使用（proモードで高品質化）
+            clip_duration = 5 if total_seconds % 10 != 0 and i == num_clips - 1 else 10
+
+            # 動画生成タスクを作成
             task_id = await kling_api.create_video_task(
-                image_path=image_path,
+                image_path=current_image_path,
                 prompt=clip_prompt,
-                model=model,
-                duration=10,
-                tail_image_path=tail_image,
-                #mode="pro"  # proモードで高品質化
+                duration=clip_duration,
+                tail_image_path=tail_image_path
             )
             
-            if not task_id:
-                raise Exception(f"クリップ {i+1} のタスク作成に失敗しました")
-            
-            # 結果を待機（最大20分待機）
-            progress(progress_value, f"クリップ {i+1}/{num_clips} をポーリング中... (タスクID: {task_id})")
-            video_url = await kling_api.poll_task_result(task_id, max_wait_minutes=20)
-            
-            if not video_url:
-                raise Exception(f"クリップ {i+1} の生成に失敗しました")
+            # タスク完了を待機
+            video_url = await kling_api.poll_video_result(task_id, progress, progress_val, 0.7 / num_clips)
             
             # 動画をダウンロード
-            temp_video = temp_manager.get_temp_path(".mp4")
-            print(f"動画をダウンロード中: {video_url} -> {temp_video}")
-            await kling_api.download_video(video_url, temp_video)
-            video_paths.append(temp_video)
-            print(f"クリップ {i+1} 完了")
-        
-        # 動画を結合
-        print(f"\n=== 動画結合開始 ===")
-        print(f"生成されたクリップ数: {len(video_paths)}")
+            clip_path = await kling_api.download_video(video_url, f"clip_{i+1}")
+            video_paths.append(clip_path)
+            temp_manager.add_temp_file(clip_path)
+            
+            # 次のクリップの開始フレームとして、生成された動画の最終フレームを使用
+            if i < num_clips - 1:
+                last_frame = VideoProcessor.extract_last_frame(clip_path)
+                current_image_path = temp_manager.save_pil_image(last_frame, f"frame_{i+1}")
+
         progress(0.9, "動画を結合中...")
         
-        # 出力ディレクトリを絶対パスで作成
-        output_dir = os.path.abspath("output")
-        os.makedirs(output_dir, exist_ok=True)
-        
-        output_filename = f"loop_video_{datetime.now().strftime('%Y%m%d_%H%M%S')}.mp4"
-        output_path = os.path.join(output_dir, output_filename)
+        output_path = VideoProcessor.combine_videos(video_paths)
+        temp_manager.add_temp_file(output_path) # 最終ファイルも一時ファイルとして管理
         
-        # シームレスループを作成
-        print(f"出力ファイル: {output_path}")
-        success = VideoProcessor.create_seamless_loop(video_paths, output_path)
-        
-        if success and os.path.exists(output_path):
+        if output_path:
             progress(1.0, "完了！")
-            print(f"✅ 動画結合成功: {output_path}")
-            
-            # ファイルサイズを確認
-            file_size = os.path.getsize(output_path) / (1024 * 1024)  # MB
-            print(f"ファイルサイズ: {file_size:.2f} MB")
-            
-            # 生成情報を保存
-            generation_info = {
-                "timestamp": datetime.now().isoformat(),
-                "duration_minutes": duration_minutes,
-                "num_clips": num_clips,
-                "total_credits": total_credits,
-                "prompts": prompts,
-                "output_path": output_path,
-                "file_size_mb": file_size
-            }
-            
-            info_path = output_path.replace(".mp4", "_info.json")
-            with open(info_path, "w", encoding="utf-8") as f:
-                json.dump(generation_info, f, ensure_ascii=False, indent=2)
-            
-            # APIクライアントは閉じない（グローバル変数のため）
-            # 次回の実行で再利用される
-            
-            # ファイルの読み取り権限を確認
+            print(f"✅ 動画の結合に成功: {output_path}")
+
             try:
-                # ファイルが存在し、読み取り可能か確認
-                if not os.path.exists(output_path):
-                    raise Exception(f"出力ファイルが見つかりません: {output_path}")
-                
-                if not os.access(output_path, os.R_OK):
-                    raise Exception(f"出力ファイルに読み取り権限がありません: {output_path}")
-                
-                # ファイルサイズが0でないことを確認
-                if os.path.getsize(output_path) == 0:
-                    raise Exception(f"出力ファイルが空です: {output_path}")
-                
-                # ファイルのパーミッションを設定（読み取り可能に）
-                try:
-                    os.chmod(output_path, 0o644)
-                    print(f"📝 ファイルパーミッションを設定: {output_path}")
-                except Exception as perm_error:
-                    print(f"⚠️ パーミッション設定エラー（続行）: {perm_error}")
-                    
-                gr.Info(f"✅ ループ動画の生成が完了しました！使用クレジット: {total_credits}")
-                print(f"📹 動画ファイルパスを返却: {output_path}")
-                
-                # Hugging Face Spacesの場合、相対パスを返す
+                # Hugging Face Spaces環境では、相対パスを返す必要がある
                 if os.getenv("SPACE_ID"):
                     # 相対パスに変換
                     relative_path = os.path.relpath(output_path)
@@ -357,40 +247,17 @@ async def generate_loop_video(
         import traceback
         traceback.print_exc()
         
-        # APIクライアントは閉じない（グローバル変数のため）
-        # エラー時でも次回の実行で再利用可能にする
-        
-        # クレジット不足エラーの特別な処理
         if "クレジット不足" in error_msg:
             gr.Error("⚠️ クレジット不足エラー")
-            gr.Warning("""
-Kling AIのクレジットが不足しています。
-動画生成を続けるには：
-1. UseAPI.netダッシュボードにログイン
-2. アカウント設定からクレジットを購入
-3. 購入完了後、再度動画生成を実行
-""")
-            return None
         elif "タスクが見つかりません" in error_msg or "タスク作成エラー" in error_msg:
             gr.Error("⚠️ タスク作成エラー")
-            gr.Warning("""
-動画生成タスクの作成に失敗しました。
-考えられる原因：
-1. クレジット不足 - UseAPI.netでクレジット残高を確認
-2. 同時処理制限 - 他のタスクが処理中の場合は完了を待つ
-3. APIの一時的な問題 - しばらく待ってから再試行
-""")
-            return None
         else:
             gr.Error(f"エラーが発生しました: {error_msg}")
-            return None
+        return None
     
     finally:
-        # クリーンアップ（一時ファイルなど）
         temp_manager.cleanup()
 
-# 画像生成関数を削除
-
 def format_duration(minutes: float) -> str:
     """分数を分秒形式の文字列に変換"""
     total_seconds = int(minutes * 60)
@@ -402,692 +269,77 @@ def format_duration(minutes: float) -> str:
     else:
         return f"{mins}分{secs}秒"
 
-def get_optimal_image_size(original_width: int, original_height: int) -> Tuple[int, int, str]:
-    """元画像のアスペクト比に最も近い、Kling APIがサポートするサイズを返す"""
-    aspect_ratio = original_width / original_height
-    
-    # Kling APIがサポートするアスペクト比と推奨サイズ
-    supported_ratios = {
-        "1:1": (1.0, 1024, 1024),
-        "16:9": (16/9, 1920, 1080),
-        "4:3": (4/3, 1440, 1080),
-        "3:2": (3/2, 1536, 1024),
-        "2:3": (2/3, 1024, 1536),
-        "3:4": (3/4, 1080, 1440),
-        "9:16": (9/16, 1080, 1920),
-        "21:9": (21/9, 2520, 1080),
-    }
-    
-    # 最も近いアスペクト比を見つける
-    closest_ratio_name = None
-    min_diff = float('inf')
-    
-    for ratio_name, (ratio_value, width, height) in supported_ratios.items():
-        diff = abs(aspect_ratio - ratio_value)
-        if diff < min_diff:
-            min_diff = diff
-            closest_ratio_name = ratio_name
-    
-    # 選択されたアスペクト比の推奨サイズを返す
-    _, optimal_width, optimal_height = supported_ratios[closest_ratio_name]
-    
-    return optimal_width, optimal_height, closest_ratio_name
-
-def run_openai_test() -> str:
-    """OpenAI API初期化テストを実行"""
-    import traceback
-    
-    test_results = []
-    test_results.append("=== OpenAI API 初期化テスト ===\n")
-    
-    try:
-        # 1. 環境変数の確認
-        api_key = os.getenv('OPENAI_API_KEY')
-        if api_key:
-            test_results.append("✅ OPENAI_API_KEY が設定されています")
-            test_results.append(f"   キーの長さ: {len(api_key)} 文字")
-            test_results.append(f"   キーのプレフィックス: {api_key[:7]}...")
-        else:
-            test_results.append("❌ OPENAI_API_KEY が設定されていません")
-            return "\n".join(test_results)
-        
-        # 2. OpenAIライブラリのインポート
-        test_results.append("\n--- OpenAIライブラリのインポート ---")
-        try:
-            from openai import OpenAI
-            test_results.append("✅ openaiライブラリのインポートに成功")
-        except Exception as e:
-            test_results.append(f"❌ openaiライブラリのインポートに失敗: {e}")
-            return "\n".join(test_results)
-        
-        # 3. OpenAIクライアントの初期化
-        test_results.append("\n--- OpenAIクライアントの初期化 ---")
-        try:
-            # Hugging Face Spaces環境でのプロキシ問題を回避
-            original_env = {}
-            proxy_env_vars = ['HTTP_PROXY', 'HTTPS_PROXY', 'http_proxy', 'https_proxy', 'ALL_PROXY', 'all_proxy']
-            
-            for var in proxy_env_vars:
-                if var in os.environ:
-                    original_env[var] = os.environ[var]
-                    del os.environ[var]
-            
-            try:
-                client = OpenAI()
-                test_results.append("✅ OpenAIクライアントの初期化に成功")
-            finally:
-                # 元の環境変数を復元
-                for var, value in original_env.items():
-                    os.environ[var] = value
-                    
-        except Exception as e:
-            test_results.append(f"❌ OpenAIクライアントの初期化に失敗: {e}")
-            test_results.append(f"   エラータイプ: {type(e).__name__}")
-            test_results.append("   詳細なトレースバック:")
-            test_results.append(traceback.format_exc())
-            return "\n".join(test_results)
-        
-        # 4. API接続テスト（簡単なリクエスト）
-        test_results.append("\n--- API接続テスト ---")
-        try:
-            # モデルリストを取得（最小限のAPIコール）
-            models = client.models.list()
-            test_results.append("✅ API接続に成功")
-            test_results.append(f"   利用可能なモデル数: {len(list(models))}")
-        except Exception as e:
-            test_results.append(f"❌ API接続に失敗: {e}")
-            test_results.append(f"   エラータイプ: {type(e).__name__}")
-            
-    except Exception as e:
-        test_results.append(f"\n❌ 予期しないエラーが発生しました: {e}")
-        test_results.append(traceback.format_exc())
-    
-    test_results.append("\n=== テスト完了 ===")
-    return "\n".join(test_results)
-
-def run_kling_api_test() -> str:
-    """Kling API接続テストを実行"""
-    test_results = []
-    test_results.append("=== Kling API 接続テスト ===\n")
-    
-    try:
-        # 環境変数の確認
-        token = os.getenv('USEAPI_NET_TOKEN')
-        email = os.getenv('USEAPI_NET_EMAIL')
-        
-        if token:
-            test_results.append("✅ USEAPI_NET_TOKEN が設定されています")
-            test_results.append(f"   トークンの長さ: {len(token)} 文字")
-            test_results.append(f"   トークンのプレフィックス: {token[:10]}...")
-        else:
-            test_results.append("❌ USEAPI_NET_TOKEN が設定されていません")
-        
-        if email:
-            test_results.append(f"✅ USEAPI_NET_EMAIL が設定されています: {email}")
-        else:
-            test_results.append("⚠️ USEAPI_NET_EMAIL が設定されていません（オプション）")
-        
-        # Kling APIクライアントの初期化テスト
-        test_results.append("\n--- Kling APIクライアントの初期化 ---")
-        if not token:
-            test_results.append("❌ トークンが必要です")
-            return "\n".join(test_results)
-        
-        try:
-            from utils.kling_api import KlingAPI
-            api = KlingAPI()
-            test_results.append("✅ Kling APIクライアントの初期化に成功")
-        except Exception as e:
-            test_results.append(f"❌ Kling APIクライアントの初期化に失敗: {e}")
-            return "\n".join(test_results)
-        
-    except Exception as e:
-        test_results.append(f"\n❌ 予期しないエラーが発生しました: {e}")
-        import traceback
-        test_results.append(traceback.format_exc())
-    
-    test_results.append("\n=== テスト完了 ===")
-    return "\n".join(test_results)
-
-def run_system_info() -> str:
-    """システム情報を取得"""
-    info_results = []
-    info_results.append("=== システム情報 ===\n")
-    
-    try:
-        import platform
-        import sys
-        
-        # 基本システム情報
-        info_results.append("--- 基本情報 ---")
-        info_results.append(f"Python版: {sys.version}")
-        info_results.append(f"プラットフォーム: {platform.platform()}")
-        info_results.append(f"アーキテクチャ: {platform.architecture()}")
-        
-        # 実行環境
-        info_results.append("\n--- 実行環境 ---")
-        is_huggingface_spaces = os.getenv("SPACE_ID") is not None
-        if is_huggingface_spaces:
-            info_results.append(f"✅ Hugging Face Spaces (Space ID: {os.getenv('SPACE_ID')})")
-        else:
-            info_results.append("✅ ローカル環境")
-        
-        # パッケージ情報
-        info_results.append("\n--- 主要パッケージ版 ---")
-        packages_to_check = ['openai', 'gradio', 'httpx', 'pillow', 'opencv-python']
-        
-        for package in packages_to_check:
-            try:
-                if package == 'opencv-python':
-                    import cv2
-                    version = cv2.__version__
-                    info_results.append(f"✅ {package}: {version}")
-                elif package == 'pillow':
-                    from PIL import Image
-                    version = Image.__version__ if hasattr(Image, '__version__') else 'unknown'
-                    info_results.append(f"✅ {package}: {version}")
-                else:
-                    module = __import__(package)
-                    version = getattr(module, '__version__', 'unknown')
-                    info_results.append(f"✅ {package}: {version}")
-            except ImportError:
-                info_results.append(f"❌ {package}: インストールされていません")
-            except Exception as e:
-                info_results.append(f"⚠️ {package}: エラー ({e})")
-        
-        # 環境変数の状態
-        info_results.append("\n--- 環境変数の状態 ---")
-        env_vars = [
-            ('USEAPI_NET_TOKEN', '必須'),
-            ('USEAPI_NET_EMAIL', 'オプション'),
-            ('OPENAI_API_KEY', 'オプション'),
-            ('SPACE_ID', 'HF Spaces'),
-            ('GRADIO_SERVER_PORT', 'Gradio'),
-        ]
-        
-        # プロキシ関連の環境変数
-        proxy_vars = [
-            ('HTTP_PROXY', 'プロキシ'),
-            ('HTTPS_PROXY', 'プロキシ'),
-            ('http_proxy', 'プロキシ'),
-            ('https_proxy', 'プロキシ'),
-            ('ALL_PROXY', 'プロキシ'),
-            ('all_proxy', 'プロキシ'),
-        ]
-        
-        for var_name, description in env_vars:
-            value = os.getenv(var_name)
-            if value:
-                if 'TOKEN' in var_name or 'KEY' in var_name:
-                    # セキュリティのため部分的に表示
-                    display_value = f"{value[:7]}... (長さ: {len(value)})"
-                else:
-                    display_value = value
-                info_results.append(f"✅ {var_name}: {display_value} ({description})")
-            else:
-                info_results.append(f"❌ {var_name}: 未設定 ({description})")
-        
-        # プロキシ変数の状態（OpenAI API問題の診断用）
-        info_results.append("\n--- プロキシ関連環境変数 ---")
-        has_proxy = False
-        for var_name, description in proxy_vars:
-            value = os.getenv(var_name)
-            if value:
-                has_proxy = True
-                info_results.append(f"⚠️ {var_name}: {value} ({description})")
-            else:
-                info_results.append(f"✅ {var_name}: 未設定 ({description})")
-        
-        if has_proxy:
-            info_results.append("⚠️ プロキシ設定が検出されました。OpenAI API初期化時に一時的に無効化します。")
-        else:
-            info_results.append("✅ プロキシ設定は検出されませんでした。")
-        
-    except Exception as e:
-        info_results.append(f"\n❌ システム情報の取得中にエラーが発生しました: {e}")
-        import traceback
-        info_results.append(traceback.format_exc())
-    
-    info_results.append("\n=== 情報取得完了 ===")
-    return "\n".join(info_results)
-
-# 画像生成関連の関数を削除
-
 def create_ui():
     """Gradio UIを作成"""
-    with gr.Blocks(title="動画生成 - Kling版", theme=gr.themes.Base(), css="""
-        /* 全体的なダークテーマ */
-        .gradio-container {
-            background-color: #1a1a1a !important;
-            color: #ffffff !important;
-        }
-        
-        /* ラベルのスタイル（ボタンに見えないように） */
-        label.block {
-            font-weight: normal !important;
-            background: transparent !important;
-            border: none !important;
-            color: #e0e0e0 !important;
-            padding: 0.5rem 0 !important;
-            margin-bottom: 0.5rem !important;
-        }
-        
-        /* 入力要素のスタイル */
-        .image-container {
-            min-height: 200px;
-            background-color: #2a2a2a !important;
-            border: 1px solid #3a3a3a !important;
-            border-radius: 8px !important;
-        }
-        
-        /* 画像要素 */
-        .image-frame {
-            background-color: #2a2a2a !important;
-            border: 1px solid #3a3a3a !important;
-            border-radius: 8px !important;
-        }
-        
-        /* テキストボックス */
-        .gr-text-input, textarea {
-            background-color: #2a2a2a !important;
-            border: 1px solid #3a3a3a !important;
-            color: #ffffff !important;
-            border-radius: 8px !important;
-        }
-        
-        .gr-text-input:focus, textarea:focus {
-            border-color: #555555 !important;
-            box-shadow: 0 0 0 1px #555555 !important;
-        }
-        
-        /* スライダー */
-        .gr-slider-container {
-            background-color: transparent !important;
-        }
-        
-        input[type="range"] {
-            background-color: #3a3a3a !important;
-        }
-        
-        /* スライダーの数値表示とリフレッシュボタンを非表示 - 正確なセレクタ */
-        .tab-like-container {
-            display: none !important;
-        }
-        
-        /* aria-labelとdata-testid属性を使った確実な選択 */
-        input[aria-label*="動画の長さ"][type="number"],
-        input[data-testid="number-input"],
-        button[aria-label="Reset to default value"],
-        button[data-testid="reset-button"],
-        button.reset-button {
-            display: none !important;
-        }
-        
-        /* Svelteクラスを含む要素（部分一致） */
-        div[class*="tab-like-container"] {
-            display: none !important;
-        }
-        
-        /* ビデオプレイヤー */
-        .video-container {
-            background-color: #2a2a2a !important;
-            border: 1px solid #3a3a3a !important;
-            border-radius: 8px !important;
-        }
-        
-        /* タブ */
-        .tabs {
-            background-color: transparent !important;
-        }
-        
-        button.selected {
-            background-color: #3a3a3a !important;
-            color: #ffffff !important;
-        }
-        
-        /* コンテンツの見た目を改善 */
-        .contain { object-fit: contain !important; }
-        
-        /* レスポンシブ対応 */
-        @media (max-width: 768px) {
-            .main-container { flex-direction: column !important; }
-        }
-        
-        /* パネルとブロック */
-        .panel {
-            background-color: #222222 !important;
-            border: 1px solid #3a3a3a !important;
-        }
-        
-        .block {
-            background-color: transparent !important;
-            border: none !important;
-        }
-        
-        /* ボタン（本物のボタン）のスタイルを維持 */
-        button.primary {
-            background-color: #4a9eff !important;
-            border: none !important;
-            color: white !important;
-        }
-        
-        button.primary:hover {
-            background-color: #357abd !important;
-        }
-        
-        /* セカンダリボタン */
-        button.secondary {
-            background-color: #3a3a3a !important;
-            border: 1px solid #555555 !important;
-            color: #e0e0e0 !important;
-        }
-        
-        /* Markdownテキスト */
-        .prose {
-            color: #e0e0e0 !important;
-        }
-        
-        .prose h1, .prose h2, .prose h3 {
-            color: #ffffff !important;
-        }
-        
-        /* 動画の長さ表示 */
-        .duration-display input {
-            background-color: transparent !important;
-            border: none !important;
-            text-align: center !important;
-            font-size: 14px !important;
-            color: #e0e0e0 !important;
-            padding: 0 !important;
-            cursor: default !important;
-        }
-        
-        .duration-display {
-            min-width: 80px !important;
-        }
-        
-        /* クレジットボタンのコンテナとボタンのスタイル */
-        .credit-link-container {
-            display: flex !important;
-            justify-content: center !important;
-            width: 100% !important;
-        }
-        
-        .credit-button {
-            width: auto !important;
-            min-width: auto !important;
-            flex: 0 0 auto !important;
-        }
-        
-        .credit-button button {
-            width: auto !important;
-            min-width: auto !important;
-            padding: 0.4rem 1.2rem !important;
-            white-space: nowrap !important;
-        }
-    """) as app:
-        # JavaScriptで数値表示を削除
-        gr.HTML("""
-            <script>
-                // ページ読み込み時とDOM変更時に数値表示とボタンを削除
-                function hideSliderElements() {
-                    // グローバルスタイルを追加
-                    if (!document.getElementById('custom-slider-style')) {
-                        const style = document.createElement('style');
-                        style.id = 'custom-slider-style';
-                        style.textContent = `
-                            /* 正確なセレクタで数値表示とボタンを非表示 */
-                            .tab-like-container,
-                            div[class*="tab-like-container"],
-                            input[aria-label*="動画の長さ"][type="number"],
-                            input[data-testid="number-input"],
-                            button[aria-label="Reset to default value"],
-                            button[data-testid="reset-button"],
-                            button.reset-button,
-                            .reset-button {
-                                display: none !important;
-                                visibility: hidden !important;
-                                width: 0 !important;
-                                height: 0 !important;
-                                opacity: 0 !important;
-                                pointer-events: none !important;
-                                position: absolute !important;
-                                left: -9999px !important;
-                            }
-                        `;
-                        document.head.appendChild(style);
-                    }
-                }
-                
-                // 初期実行
-                hideSliderElements();
-                
-                // DOM監視
-                const observer = new MutationObserver(hideSliderElements);
-                observer.observe(document.body, { childList: true, subtree: true });
-                
-                // 念のため定期実行も維持
-                setInterval(hideSliderElements, 500);
-            </script>
-        """, visible=False)
-        gr.Markdown(
-            """
-            # 🎬 動画生成 - Kling版
-            """
-        )
+    with gr.Blocks(title="動画生成 - Kling版", theme=gr.themes.Base()) as app:
+        gr.Markdown("# 🎬 動画生成 - Kling版")
 
         with gr.Tabs():
             with gr.Tab("🌀 ループ動画生成"):
-                # メインコンテナを6:4に分割
-                with gr.Row(elem_classes=["main-container"]):
-                    # 左側（6）：入力要素
+                with gr.Row():
                     with gr.Column(scale=6):
-                        # フレーム画像を横並び
                         with gr.Row():
-                            start_image = gr.Image(
-                                label="開始フレーム",
-                                type="filepath",
-                                elem_classes=["contain", "image-container"]
-                            )
-                            end_image = gr.Image(
-                                label="終了フレーム",
-                                type="filepath",
-                                elem_classes=["contain", "image-container"]
-                            )
+                            start_image = gr.Image(label="開始フレーム", type="filepath")
+                            end_image = gr.Image(label="終了フレーム", type="filepath")
                         
-                        # プロンプトと設定（フル幅）
-                        video_prompt = gr.Textbox(
-                            label="プロンプト",
-                            placeholder="例：美しい桜並木、花びらが舞い散る",
-                            lines=3,
-                            max_lines=6
-                        )
+                        video_prompt = gr.Textbox(label="プロンプト", lines=3)
                         
-                        # スライダーと表示ラベル
                         with gr.Row():
-                            duration = gr.Slider(
-                                label="動画の長さ",
-                                minimum=0.5,
-                                maximum=10,
-                                value=1,
-                                step=0.5,
-                                show_label=True,
-                                info="",  # 情報表示を空文字に
-                                interactive=True,
-                                scale=9
-                            )
-                            duration_display = gr.Textbox(
-                                value=format_duration(1),
-                                label="",
-                                interactive=False,
-                                scale=1,
-                                elem_classes=["duration-display"]
-                            )
+                            duration = gr.Slider(label="動画の長さ", minimum=0.5, maximum=10, value=1, step=0.5, scale=9)
+                            duration_display = gr.Textbox(value=format_duration(1), label="", interactive=False, scale=1)
                         
-                        video_generate_btn = gr.Button("🎬 動画生成開始", variant="primary", size="lg")
+                        video_generate_btn = gr.Button("🎬 動画生成開始", variant="primary")
                         
-                        # クレジットリンクをセンター配置
-                        with gr.Row(elem_classes=["credit-link-container"]):
-                            auth_link_button = gr.Button("認証はこちら", link="https://useapi.net/docs/start-here/setup-kling", size="sm", elem_classes=["credit-button"])
-                            video_credit_link = gr.Button("クレジットの追加購��はコチラから", link="https://app.klingai.com/global/membership/spirit-unit", size="sm", elem_classes=["credit-button"])
-                    
-                    # 右側（4）：生成結果のみ
                     with gr.Column(scale=4):
-                        output_video = gr.Video(
-                            label="生成結果",
-                            elem_classes=["contain", "image-container"]
-                        )
-            
-            with gr.Tab("🔧 システムテスト"):
-                gr.Markdown("### API接続とシステム状態の診断")
-                
-                with gr.Row():
-                    with gr.Column():
-                        gr.Markdown("#### テスト実行")
-                        
-                        with gr.Row():
-                            openai_test_btn = gr.Button("🤖 OpenAI API テスト", variant="secondary")
-                            kling_test_btn = gr.Button("🎬 Kling API テスト", variant="secondary")
-                            system_info_btn = gr.Button("ℹ️ システム情報", variant="secondary")
-                        
-                        test_output = gr.Textbox(
-                            label="テスト結果",
-                            lines=20,
-                            max_lines=30,
-                            interactive=False,
-                            show_copy_button=True
-                        )
-            
-            # 画像生成タブを削除
-
-        # イベントハンドラー（参照モード関連は削除）
+                        output_video = gr.Video(label="生成結果")
 
-        async def generate_video_with_defaults(*args):
-            """デフォルト値を含めて動画生成処理を実行"""
-            # AI自動プロンプト分割は常にTrue
-            return await generate_loop_video(*args, True)
+        duration.change(fn=format_duration, inputs=duration, outputs=duration_display)
 
-        # スライダー値変更時に表示を更新
-        duration.change(
-            fn=format_duration,
-            inputs=duration,
-            outputs=duration_display
-        )
-
-        # 動画生成ボタンクリック時のイベント
         video_generate_btn.click(
-            fn=generate_video_with_defaults,
-            inputs=[
-                start_image,
-                end_image,
-                video_prompt,
-                duration
-            ],
+            fn=generate_loop_video,
+            inputs=[start_image, end_image, video_prompt, duration],
             outputs=output_video
         )
-        
-        # テストボタンのイベントハンドラー
-        openai_test_btn.click(
-            fn=run_openai_test,
-            outputs=test_output
-        )
-        
-        kling_test_btn.click(
-            fn=run_kling_api_test,
-            outputs=test_output
-        )
-        
-        system_info_btn.click(
-            fn=run_system_info,
-            outputs=test_output
-        )
-        
-        # 画像生成イベントを削除
-
-        # アプリケーションロード時の初期化（バックグラウンドで実行）
-        app.load(
-            fn=lambda: None,  # 警告を避けるため戻り値なしの関数に変更
-            outputs=None
-        )
 
     return app
 
 # アプリケーションを起動
 if __name__ == "__main__":
-    # 必要なディレクトリを作成
     os.makedirs("output", exist_ok=True)
     os.makedirs("logs", exist_ok=True)
     os.makedirs("temp", exist_ok=True)
     
-    # デバッグ情報を表示
     print("="*50)
     print("🚀 動画生成 - Kling版 起動中...")
     print("="*50)
     
-    # 実行環境を検出
     is_huggingface_spaces = os.getenv("SPACE_ID") is not None
     if is_huggingface_spaces:
         print(f"📍 実行環境: Hugging Face Spaces (Space ID: {os.getenv('SPACE_ID')})")
     else:
         print("📍 実行環境: ローカル")
     
-    # 環境変数の状態を確認
     env_status = []
-    if os.getenv('USEAPI_NET_TOKEN'):
-        env_status.append("✅ USEAPI_NET_TOKEN: 設定済み")
-    else:
-        env_status.append("❌ USEAPI_NET_TOKEN: 未設定")
-    
-    if os.getenv('USEAPI_NET_EMAIL'):
-        env_status.append("✅ USEAPI_NET_EMAIL: 設定済み")
-    else:
-        env_status.append("❌ USEAPI_NET_EMAIL: 未設定")
-    
-    if os.getenv('OPENAI_API_KEY'):
-        env_status.append("✅ OPENAI_API_KEY: 設定済み（オプション）")
-    else:
-        env_status.append("⚠️  OPENAI_API_KEY: 未設定（AI自動プロンプト分割は利用できません）")
+    if os.getenv('USEAPI_NET_TOKEN'): env_status.append("✅ USEAPI_NET_TOKEN: 設定済み")
+    else: env_status.append("❌ USEAPI_NET_TOKEN: 未設定")
+    if os.getenv('USEAPI_NET_EMAIL'): env_status.append("✅ USEAPI_NET_EMAIL: 設定済み")
+    else: env_status.append("❌ USEAPI_NET_EMAIL: 未設定")
+    if os.getenv('OPENAI_API_KEY'): env_status.append("��� OPENAI_API_KEY: 設定済み（オプション）")
+    else: env_status.append("⚠️ OPENAI_API_KEY: 未設定")
     
     print("\n環境変数の状態:")
     for status in env_status:
         print(f"  {status}")
     
-    # APIを初期化
     init_success, init_message = initialize_apis()
     print(f"\n{init_message}")
     
-    # APIの初期化に失敗してもアプリは起動する
     if not init_success:
         print("\n⚠️ 警告: APIの初期化に失敗しましたが、アプリケーションは起動します。")
-        print("環境変数を設定してからページをリロードしてください。")
     
-    # UIを作成して起動
     app = create_ui()
     
     print("\n🌐 アプリケーションを起動しています...")
     print("="*50)
     
-    # Hugging Face Spaces環境かどうかを検出
-    is_huggingface_spaces = os.getenv("SPACE_ID") is not None
-    
-    # 起動設定を調整
-    if is_huggingface_spaces:
-        # Hugging Face Spaces用の設定
-        app.launch(
-            server_port=7860,
-            share=False,
-            show_error=True,
-            quiet=False,
-            # ssr_mode=False  # SSRモードを無効化
-        )
-    else:
-        # ローカル環境用の設定
-        app.launch(
-            server_name="127.0.0.1",
-            server_port=7860,
-            share=False,
-            show_error=True,
-            quiet=False,
-            inbrowser=True,
-            # ssr_mode=False  # SSRモードを無効化
-        ) 
+    app.launch(server_name="0.0.0.0" if is_huggingface_spaces else "127.0.0.1") 

utils/openai_api.py

@@ -35,25 +35,9 @@ class OpenAIPromptSplitter:
             self.client = None
         else:
             try:
-                # Hugging Face Spaces環境でのプロキシ問題を回避
-                # 一時的に環境変数を保存し、プロキシ関連を削除
-                original_env = {}
-                proxy_env_vars = ['HTTP_PROXY', 'HTTPS_PROXY', 'http_proxy', 'https_proxy', 'ALL_PROXY', 'all_proxy']
-                
-                for var in proxy_env_vars:
-                    if var in os.environ:
-                        original_env[var] = os.environ[var]
-                        del os.environ[var]
-                
-                try:
-                    # OpenAIクライアントを初期化（プロキシなし）
-                    self.client = OpenAI()
-                    print(f"✅ OpenAI APIクライアントの初期化に成功しました")
-                finally:
-                    # 元の環境変数を復元
-                    for var, value in original_env.items():
-                        os.environ[var] = value
-                        
+                # プロキシ問題はhttpxパッチで解決済み
+                self.client = OpenAI()
+                print(f"✅ OpenAI APIクライアントの初期化に成功しました")
             except Exception as e:
                 print(f"❌ OpenAI APIクライアントの初期化に失敗しました: {str(e)}")
                 self.client = None