Upload 3 files

README.md

@@ -1,13 +1,11 @@
 ---
-title: VideoGenerator
-emoji: 🌍
-colorFrom: green
+title: Tozlu Raf Video Uretici
+emoji: 📼
+colorFrom: gray
 colorTo: purple
 sdk: gradio
-sdk_version: 6.19.0
-python_version: '3.13'
 app_file: app.py
 pinned: false
 ---
 
-Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference
+CPU üzerinde çalışan, kasıtlı olarak eski/basit bir text-to-video modeli (`ali-vilab/text-to-video-ms-1.7b-legacy`).

app.py

@@ -0,0 +1,50 @@
+import gradio as gr
+import torch
+from diffusers import DiffusionPipeline, DPMSolverMultistepScheduler
+from diffusers.utils import export_to_video
+
+# Gerçekten tozlu raflardan: 2023'ün ilkel text-to-video modeli.
+# Inference Providers'ta yok, sadece diffusers ile lokal/Space içinde çalışır.
+MODEL_ID = "ali-vilab/text-to-video-ms-1.7b-legacy"
+
+print("Model yükleniyor (CPU), bu birkaç dakika sürebilir...")
+pipe = DiffusionPipeline.from_pretrained(MODEL_ID, torch_dtype=torch.float32)
+pipe.scheduler = DPMSolverMultistepScheduler.from_config(pipe.scheduler.config)
+pipe.to("cpu")
+print("Model hazır.")
+
+
+def video_uret(prompt: str, num_steps: int, num_frames: int):
+    if not prompt or not prompt.strip():
+        raise gr.Error("Prompt boş olamaz.")
+
+    video_frames = pipe(
+        prompt,
+        num_inference_steps=int(num_steps),
+        num_frames=int(num_frames),
+    ).frames[0]
+
+    video_path = export_to_video(video_frames)
+    return video_path
+
+
+with gr.Blocks(title="Tozlu Raf Video Üretici") as demo:
+    gr.Markdown(
+        "# 📼 Tozlu Raf Video Üretici\n"
+        f"Model: `{MODEL_ID}` — CPU üzerinde çalışıyor, GPU yok.\n\n"
+        "**Uyarı:** Bu Space'te GPU yok. Bir video onlarca dakika sürebilir. "
+        "Sabırsızsan adım/kare sayısını düşür."
+    )
+    prompt = gr.Textbox(
+        label="Prompt",
+        value="a weird creature with three legs walking backwards, melting face, bad quality vhs glitch",
+    )
+    with gr.Row():
+        steps = gr.Slider(5, 50, value=15, step=1, label="Inference steps (az = hızlı, kalitesiz)")
+        frames = gr.Slider(8, 24, value=12, step=1, label="Kare sayısı")
+    btn = gr.Button("Üret (sabırlı ol)")
+    output = gr.Video(label="Sonuç")
+
+    btn.click(video_uret, inputs=[prompt, steps, frames], outputs=output)
+
+demo.queue(max_size=5).launch()

requirements.txt

@@ -0,0 +1,6 @@
+diffusers
+transformers
+accelerate
+torch
+imageio
+imageio-ffmpeg