Delete app.py

app.py

@@ -1,559 +0,0 @@
-# Euia-AducSdr: Uma implementação aberta e funcional da arquitetura ADUC-SDR para geração de vídeo coerente.
-# Copyright (C) 4 de Agosto de 2025  Carlos Rodrigues dos Santos
-#
-# Contato:
-# Carlos Rodrigues dos Santos
-# carlex22@gmail.com
-# Rua Eduardo Carlos Pereira, 4125, B1 Ap32, Curitiba, PR, Brazil, CEP 8102025
-#
-# Repositórios e Projetos Relacionados:
-# GitHub: https://github.com/carlex22/Aduc-sdr
-# Hugging Face: https://huggingface.co/spaces/Carlexx/Ltx-SuperTime-60Secondos/
-# Hugging Face: https://huggingface.co/spaces/Carlexxx/Novinho/
-#
-# Este programa é software livre: você pode redistribuí-lo e/ou modificá-lo
-# sob os termos da Licença Pública Geral Affero da GNU como publicada pela
-# Free Software Foundation, seja a versão 3 da Licença, ou
-# (a seu critério) qualquer versão posterior.
-#
-# Este programa é distribuído na esperança de que seja útil,
-# mas SEM QUALQUER GARANTIA; sem mesmo a garantia implícita de
-# COMERCIALIZAÇÃO ou ADEQUAÇÃO A UM DETERMINADO FIM. Consulte a
-# Licença Pública Geral Affero da GNU para mais detalhes.
-#
-# Você deve ter recebido uma cópia da Licença Pública Geral Affero da GNU
-# junto com este programa. Se não, veja <https://www.gnu.org/licenses/>.
-
-# --- app.py (NOVINHO-4.4: O Piloto de Testes - Vetor de Frames) ---
-
-# --- Ato 1: A Convocação da Orquestra (Importações) ---
-import gradio as gr
-import torch
-import os
-import yaml
-from PIL import Image, ImageOps
-import shutil
-import gc
-import subprocess
-import google.generativeai as genai
-import numpy as np
-import imageio
-from pathlib import Path
-import huggingface_hub
-import json
-import time
-from typing import Union, List
-
-from inference import create_ltx_video_pipeline, load_image_to_tensor_with_resize_and_crop, ConditioningItem, calculate_padding
-from dreamo_helpers import dreamo_generator_singleton
-
-# --- Ato 2: A Preparação do Palco (Configurações) ---
-config_file_path = "configs/ltxv-13b-0.9.8-distilled.yaml"
-with open(config_file_path, "r") as file: PIPELINE_CONFIG_YAML = yaml.safe_load(file)
-
-LTX_REPO = "Lightricks/LTX-Video"
-models_dir = "downloaded_models_gradio_cpu_init"
-Path(models_dir).mkdir(parents=True, exist_ok=True)
-WORKSPACE_DIR = "aduc_workspace"
-GEMINI_API_KEY = os.environ.get("GEMINI_API_KEY")
-
-VIDEO_FPS = 36
-VIDEO_DURATION_SECONDS = 4
-VIDEO_TOTAL_FRAMES = VIDEO_DURATION_SECONDS * VIDEO_FPS
-CONVERGENCE_FRAMES = 8
-TARGET_RESOLUTION = 720
-MAX_REFS = 4
-
-print("Baixando e criando pipelines LTX na CPU...")
-distilled_model_actual_path = huggingface_hub.hf_hub_download(repo_id=LTX_REPO, filename=PIPELINE_CONFIG_YAML["checkpoint_path"], local_dir=models_dir, local_dir_use_symlinks=False)
-pipeline_instance = create_ltx_video_pipeline(
-    ckpt_path=distilled_model_actual_path,
-    precision=PIPELINE_CONFIG_YAML["precision"],
-    text_encoder_model_name_or_path=PIPELINE_CONFIG_YAML["text_encoder_model_name_or_path"],
-    sampler=PIPELINE_CONFIG_YAML["sampler"],
-    device='cpu'
-)
-print("Modelos LTX prontos (na CPU).")
-
-
-# --- Ato 3: As Partituras dos Músicos (Funções Corrigidas e Documentadas) ---
-
-def load_conditioning_tensor(media_path: str, height: int, width: int) -> torch.Tensor:
-    if not media_path: raise ValueError("Caminho da mídia de condicionamento não pode ser nulo.")
-    return load_image_to_tensor_with_resize_and_crop(media_path, height, width)
-
-def run_ltx_animation(current_fragment_index, motion_prompt, conditioning_items_data, width, height, seed, cfg, progress=gr.Progress()):
-    progress(0, desc=f"[TECPIX 5000] Filmando Cena {current_fragment_index}...");
-    output_path = os.path.join(WORKSPACE_DIR, f"fragment_{current_fragment_index}.mp4"); target_device = 'cuda' if torch.cuda.is_available() else 'cpu'
-    try:
-        pipeline_instance.to(target_device)
-        conditioning_items = []
-        for (path, start_frame, strength) in conditioning_items_data:
-            tensor = load_conditioning_tensor(path, height, width)
-            conditioning_items.append(ConditioningItem(tensor.to(target_device), start_frame, strength))
-        
-        n_val = round((float(VIDEO_TOTAL_FRAMES) - 1.0) / 8.0); actual_num_frames = int(n_val * 8 + 1)
-        padded_h, padded_w = ((height - 1) // 32 + 1) * 32, ((width - 1) // 32 + 1) * 32
-        padding_vals = calculate_padding(height, width, padded_h, padded_w)
-        for cond_item in conditioning_items: cond_item.media_item = torch.nn.functional.pad(cond_item.media_item, padding_vals)
-        kwargs = {"prompt": motion_prompt, "negative_prompt": "blurry, distorted, bad quality, artifacts", "height": padded_h, "width": padded_w, "num_frames": actual_num_frames, "frame_rate": VIDEO_FPS, "generator": torch.Generator(device=target_device).manual_seed(int(seed) + current_fragment_index), "output_type": "pt", "guidance_scale": float(cfg), "timesteps": PIPELINE_CONFIG_YAML.get("first_pass", {}).get("timesteps"), "conditioning_items": conditioning_items, "decode_timestep": PIPELINE_CONFIG_YAML.get("decode_timestep"), "decode_noise_scale": PIPELINE_CONFIG_YAML.get("decode_noise_scale"), "stochastic_sampling": PIPELINE_CONFIG_YAML.get("stochastic_sampling"), "image_cond_noise_scale": 0.15, "is_video": True, "vae_per_channel_normalize": True, "mixed_precision": (PIPELINE_CONFIG_YAML.get("precision") == "mixed_precision"), "offload_to_cpu": False, "enhance_prompt": False}
-        result_tensor = pipeline_instance(**kwargs).images
-        pad_l, pad_r, pad_t, pad_b = map(int, padding_vals); slice_h = -pad_b if pad_b > 0 else None; slice_w = -pad_r if pad_r > 0 else None
-        cropped_tensor = result_tensor[:, :, :VIDEO_TOTAL_FRAMES, pad_t:slice_h, pad_l:slice_w]; video_np = (cropped_tensor[0].permute(1, 2, 3, 0).cpu().float().numpy() * 255).astype(np.uint8)
-        with imageio.get_writer(output_path, fps=VIDEO_FPS, codec='libx264', quality=8) as writer:
-            for i, frame in enumerate(video_np): progress(i / len(video_np), desc=f"Renderizando frame {i+1}/{len(video_np)}..."); writer.append_data(frame)
-        return output_path
-    finally:
-        pipeline_instance.to('cpu'); gc.collect()
-        if torch.cuda.is_available(): torch.cuda.empty_cache()
-
-def process_image_to_square(image_path: str, size: int = TARGET_RESOLUTION) -> str:
-    if not image_path or not os.path.exists(image_path): return None
-    try:
-        img = Image.open(image_path).convert("RGB")
-        img_square = ImageOps.fit(img, (size, size), Image.Resampling.LANCZOS)
-        output_filename = f"initial_ref_{size}x{size}.png"
-        output_path = os.path.join(WORKSPACE_DIR, output_filename)
-        img_square.save(output_path)
-        return output_path
-    except Exception as e: raise gr.Error(f"Falha ao processar a imagem de referência: {e}")
-
-def get_static_scenes_storyboard(num_fragments: int, prompt: str, initial_image_path: str):
-    if not initial_image_path: raise gr.Error("Por favor, forneça uma imagem de referência inicial.")
-    if not GEMINI_API_KEY: raise gr.Error("Chave da API Gemini não configurada!")
-    genai.configure(api_key=GEMINI_API_KEY)
-    prompt_file = "prompts/photographer_prompt.txt"
-    with open(os.path.join(os.path.dirname(__file__), prompt_file), "r", encoding="utf-8") as f: template = f.read()
-    director_prompt = template.format(user_prompt=prompt, num_fragments=int(num_fragments))
-    model = genai.GenerativeModel('gemini-2.0-flash'); img = Image.open(initial_image_path)
-    response = model.generate_content([director_prompt, img])
-    try:
-        cleaned_response = response.text.strip().replace("```json", "").replace("```", "")
-        storyboard_data = json.loads(cleaned_response)
-        return storyboard_data.get("scene_storyboard", [])
-    except Exception as e: raise gr.Error(f"O Sonhador (Gemini) falhou ao criar o roteiro: {e}. Resposta: {response.text}")
-
-def run_keyframe_generation(storyboard, initial_ref_image_path, *reference_args):
-    # ... (código inalterado) ...
-    if not storyboard:
-        raise gr.Error("Nenhum roteiro para gerar imagens-chave.")
-    if not initial_ref_image_path or not os.path.exists(initial_ref_image_path):
-        raise gr.Error("A imagem de referência principal é obrigatória para iniciar a pintura.")
-
-    num_total_refs = MAX_REFS + 1
-    ref_paths = list(reference_args[:num_total_refs])
-    ref_tasks = list(reference_args[num_total_refs:])
-    
-    with Image.open(initial_ref_image_path) as img:
-        width, height = img.size
-        width, height = (width // 32) * 32, (height // 32) * 32
-
-    keyframe_paths = []
-    log_history = ""
-
-    try:
-        dreamo_generator_singleton.to_gpu()
-
-        log_history += f"Pintando Keyframe Inicial (Cena 1/{len(storyboard)})...\n"
-        yield {keyframe_log_output: gr.update(value=log_history), keyframe_gallery_output: gr.update(value=keyframe_paths)}
-        
-        references_for_first_frame = []
-        references_for_first_frame.append({'image_np': np.array(Image.open(initial_ref_image_path).convert("RGB")), 'task': 'ip'})
-        log_history += f"  - Usando imagem de referência principal '{os.path.basename(initial_ref_image_path)}' (Tarefa: ip)\n"
-
-        for j in range(1, num_total_refs):
-            aux_path, aux_task = ref_paths[j], ref_tasks[j]
-            if aux_path and os.path.exists(aux_path):
-                references_for_first_frame.append({'image_np': np.array(Image.open(aux_path).convert("RGB")), 'task': aux_task})
-                log_history += f"  - Usando ref. auxiliar: {os.path.basename(aux_path)} (Tarefa: {aux_task})\n"
-        
-        first_prompt = storyboard[0]
-        output_path = os.path.join(WORKSPACE_DIR, "keyframe_1.png")
-        image = dreamo_generator_singleton.generate_image_with_gpu_management(
-            reference_items=references_for_first_frame, prompt=first_prompt, width=width, height=height
-        )
-        image.save(output_path)
-        keyframe_paths.append(output_path)
-        current_ref_image_path = output_path
-        
-        for i, prompt in enumerate(storyboard[1:], start=1):
-            log_history += f"\nPintando Cena Sequencial {i+1}/{len(storyboard)}...\n"
-            yield {keyframe_log_output: gr.update(value=log_history), keyframe_gallery_output: gr.update(value=keyframe_paths)}
-            
-            reference_items_for_dreamo = []
-            sequential_ref_task = ref_tasks[0]
-            reference_items_for_dreamo.append({'image_np': np.array(Image.open(current_ref_image_path).convert("RGB")), 'task': sequential_ref_task})
-            log_history += f"  - Usando ref. sequencial: {os.path.basename(current_ref_image_path)} (Tarefa: {sequential_ref_task})\n"
-
-            for j in range(1, num_total_refs):
-                aux_path, aux_task = ref_paths[j], ref_tasks[j]
-                if aux_path and os.path.exists(aux_path):
-                    reference_items_for_dreamo.append({'image_np': np.array(Image.open(aux_path).convert("RGB")), 'task': aux_task})
-                    log_history += f"  - Usando ref. auxiliar: {os.path.basename(aux_path)} (Tarefa: {aux_task})\n"
-
-            output_path = os.path.join(WORKSPACE_DIR, f"keyframe_{i+1}.png")
-            image = dreamo_generator_singleton.generate_image_with_gpu_management(
-                reference_items=reference_items_for_dreamo, prompt=prompt, width=width, height=height
-            )
-            image.save(output_path)
-            keyframe_paths.append(output_path)
-            current_ref_image_path = output_path
-
-    except Exception as e:
-        raise gr.Error(f"O Pintor (DreamO) encontrou um erro: {e}")
-    finally:
-        dreamo_generator_singleton.to_cpu()
-        
-    log_history += "\nPintura de todos os keyframes concluída.\n"
-    yield {keyframe_log_output: gr.update(value=log_history), keyframe_gallery_output: gr.update(value=keyframe_paths), keyframe_images_state: keyframe_paths}
-
-####
-# Gera um prompt de movimento para uma transição.
-# Agora é flexível: aceita uma única imagem de partida ou uma lista de frames de contexto.
-####
-def get_single_motion_prompt(user_prompt: str, story_history: str, start_media_paths: Union[str, List[str]], end_keyframe_path: str, prompt_filename: str):
-    if not GEMINI_API_KEY:
-        raise gr.Error("Chave da API Gemini não configurada!")
-
-    if isinstance(start_media_paths, str):
-        start_media_paths = [start_media_paths]
-
-    uploaded_files = []
-    try:
-        genai.configure(api_key=GEMINI_API_KEY)
-        model = genai.GenerativeModel('gemini-2.0-flash')
-
-        for path in start_media_paths:
-            print(f"Cineasta: Fazendo upload do arquivo de contexto '{path}'...")
-            file_to_upload = genai.upload_file(path)
-            
-            print(f"Cineasta: Aguardando arquivo '{file_to_upload.name}' ficar ATIVO...")
-            timeout_seconds = 180
-            start_time = time.time()
-
-            while file_to_upload.state.name == "PROCESSING":
-                if time.time() - start_time > timeout_seconds:
-                    raise TimeoutError(f"Tempo de espera para '{file_to_upload.name}' excedido.")
-                time.sleep(2)
-                file_to_upload = genai.get_file(name=file_to_upload.name)
-            
-            if file_to_upload.state.name != "ACTIVE":
-                raise gr.Error(f"O arquivo de mídia '{file_to_upload.name}' falhou no processamento. Estado: {file_to_upload.state.name}")
-            
-            uploaded_files.append(file_to_upload)
-        
-        print(f"Cineasta: Todos os {len(uploaded_files)} arquivos de contexto estão ATIVOS. Gerando prompt...")
-        end_media = Image.open(end_keyframe_path)
-        
-        prompt_file_path = os.path.join(os.path.dirname(__file__), "prompts", prompt_filename)
-        with open(prompt_file_path, "r", encoding="utf-8") as f:
-            template = f.read()
-        
-        director_prompt = template.format(user_prompt=user_prompt, story_history=story_history)
-        
-        model_contents = [director_prompt] + uploaded_files + [end_media]
-        response = model.generate_content(model_contents)
-        
-        cleaned_text = response.text.strip().replace("```json", "").replace("```", "")
-        motion_data = json.loads(cleaned_text)
-        return motion_data.get("motion_prompt", "")
-
-    except Exception as e:
-        response_text = getattr(e, 'text', 'Nenhuma resposta de texto disponível.')
-        raise gr.Error(f"O Cineasta (Gemini) falhou ao criar o prompt de movimento: {e}. Resposta: {response_text}")
-    
-    finally:
-        for f in uploaded_files:
-            try:
-                genai.delete_file(f.name)
-            except Exception as delete_e:
-                print(f"Aviso: Falha ao deletar o arquivo temporário {f.name} da API Gemini. Erro: {delete_e}")
-
-####
-# NOVA FUNÇÃO: Extrai os 3 frames de contexto (vetor de movimento) de um vídeo.
-####
-def extract_context_frames(input_video_path: str, fragment_index: int) -> List[str]:
-    print(f"Editor: Extraindo vetor de frames do fragmento {fragment_index}...")
-    output_paths = []
-    try:
-        command_probe = f"ffprobe -v error -select_streams v:0 -count_frames -show_entries stream=nb_read_frames -of default=noprint_wrappers=1:nokey=1 \"{input_video_path}\""
-        result_probe = subprocess.run(command_probe, shell=True, check=True, capture_output=True, text=True)
-        total_frames = int(result_probe.stdout.strip())
-
-        if total_frames <= CONVERGENCE_FRAMES:
-            # Se o vídeo for muito curto, apenas retorna o último frame 3 vezes.
-            frame_indices = [total_frames - 1] * 3
-        else:
-            # Frame final, frame a 8 frames de distância, frame a 16 frames de distância
-            frame_indices = [total_frames - 1 - CONVERGENCE_FRAMES, total_frames - 1 - (CONVERGENCE_FRAMES // 2), total_frames - 1]
-
-        for i, frame_idx in enumerate(frame_indices):
-            output_path = os.path.join(WORKSPACE_DIR, f"context_{fragment_index}_frame_{i+1}.png")
-            command_extract = f"ffmpeg -y -v error -i \"{input_video_path}\" -vf \"select='eq(n,{frame_idx})'\" -frames:v 1 \"{output_path}\""
-            subprocess.run(command_extract, shell=True, check=True)
-            output_paths.append(output_path)
-        
-        print(f"Editor: Vetor de frames extraído para: {output_paths}")
-        return output_paths
-    except Exception as e:
-        error_message = f"Editor Mágico (FFmpeg) falhou ao extrair os frames de contexto: {e}"
-        if hasattr(e, 'stderr'): error_message += f"\nDetalhes: {e.stderr}"
-        raise gr.Error(error_message)
-
-####
-# Orquestra a produção de todos os fragmentos de vídeo com a nova lógica de vetor de frames.
-####
-def run_video_production(prompt_geral, keyframe_image_paths, scene_storyboard, seed, cfg, progress=gr.Progress()):
-    if not keyframe_image_paths or len(keyframe_image_paths) < 2:
-        raise gr.Error("Pinte pelo menos 2 keyframes na Etapa 2 para produzir as transições.")
-
-    log_history = "\n--- FASE 3/4: A Câmera e o Cineasta estão filmando em sequência just-in-time...\n"
-    yield {production_log_output: log_history, video_gallery_glitch: []}
-    
-    video_fragments = []
-    start_media_for_prompt = keyframe_image_paths[0]
-    previous_media_for_ltx = keyframe_image_paths[0]
-    
-    story_history = ""
-    with Image.open(keyframe_image_paths[0]) as img:
-        width, height = img.size
-
-    num_transitions = len(keyframe_image_paths) - 1
-    for i in range(num_transitions):
-        end_keyframe_path = keyframe_image_paths[i+1]
-        is_first_fragment = (i == 0)
-        fragment_num = i + 1
-
-        progress(i / num_transitions, desc=f"Planejando Fragmento {fragment_num}/{num_transitions}")
-        
-        log_history += f"\n--- FRAGMENTO {fragment_num} ---\n"
-        log_history += "Cineasta (Gemini) está analisando o contexto de movimento...\n"
-        yield {production_log_output: log_history}
-        
-        if is_first_fragment:
-            prompt_filename_to_use = "director_motion_prompt.txt"
-            story_history = f"A história começa com a transição da cena '{scene_storyboard[0]}' para '{scene_storyboard[1]}'."
-        else:
-            prompt_filename_to_use = "director_motion_prompt_vector.txt"
-            story_history += f"\n- Em seguida, a cena muda de '{scene_storyboard[i]}' para '{scene_storyboard[i+1]}'."
-
-        current_motion_prompt = get_single_motion_prompt(prompt_geral, story_history, start_media_for_prompt, end_keyframe_path, prompt_filename_to_use)
-
-        log_history += f"Instrução do Cineasta ({prompt_filename_to_use}): '{current_motion_prompt}'\n"
-        log_history += f"Filmando transição de '{os.path.basename(previous_media_for_ltx)}' para '{os.path.basename(end_keyframe_path)}'...\n"
-        yield {production_log_output: log_history}
-
-        # LTX ainda usa apenas uma imagem de partida (o último frame do vídeo anterior)
-        end_frame_index = VIDEO_TOTAL_FRAMES - CONVERGENCE_FRAMES
-        conditioning_items_data = [(previous_media_for_ltx, 0, 1.0), (end_keyframe_path, end_frame_index, 1.0)]
-        
-        fragment_path = run_ltx_animation(fragment_num, current_motion_prompt, conditioning_items_data, width, height, seed, cfg, progress)
-        video_fragments.append(fragment_path)
-        
-        log_history += f"Fragmento {fragment_num} filmado. Preparando contexto para a próxima cena...\n"
-        yield {production_log_output: log_history, video_gallery_glitch: video_fragments}
-        
-        # Prepara as entradas para a PRÓXIMA iteração
-        context_frames = extract_context_frames(fragment_path, fragment_num)
-        start_media_for_prompt = context_frames # Gemini usará os 3 frames
-        previous_media_for_ltx = context_frames[-1] # LTX usará apenas o último frame
-        
-    log_history += "\nFilmagem de todos os fragmentos de transição concluída.\n"
-    progress(1.0, desc="Produção Concluída.")
-    yield {production_log_output: log_history, video_gallery_glitch: video_fragments, fragment_list_state: video_fragments}
-
-def concatenate_and_trim_masterpiece(fragment_paths: list, progress=gr.Progress()):
-    # ... (código inalterado) ...
-    if not fragment_paths: raise gr.Error("Nenhum fragmento de vídeo para concatenar.")
-    progress(0.2, desc="Aparando fragmentos para transições suaves...");
-    trimmed_dir = os.path.join(WORKSPACE_DIR, "trimmed"); os.makedirs(trimmed_dir, exist_ok=True)
-    paths_for_concat = []
-    try:
-        for i, path in enumerate(fragment_paths):
-            if i == len(fragment_paths) - 1:
-                paths_for_concat.append(path)
-                continue
-
-            trimmed_path = os.path.join(trimmed_dir, f"fragment_{i}_trimmed.mp4")
-            probe_cmd = f"ffprobe -v error -select_streams v:0 -count_frames -show_entries stream=nb_read_frames -of default=noprint_wrappers=1:nokey=1 \"{path}\""
-            result = subprocess.run(probe_cmd, shell=True, check=True, capture_output=True, text=True)
-            total_frames = int(result.stdout.strip())
-            frames_to_keep = total_frames - CONVERGENCE_FRAMES
-            if frames_to_keep <= 0:
-                shutil.copyfile(path, trimmed_path)
-                paths_for_concat.append(trimmed_path)
-                continue
-            
-            trim_cmd = f"ffmpeg -y -v error -i \"{path}\" -vf \"select='lt(n,{frames_to_keep})'\" -c:v libx264 -preset ultrafast -an \"{trimmed_path}\""
-            subprocess.run(trim_cmd, shell=True, check=True, capture_output=True, text=True)
-            paths_for_concat.append(trimmed_path)
-
-        progress(0.6, desc="Montando a obra-prima final...")
-        list_file_path = os.path.join(WORKSPACE_DIR, "concat_list.txt"); final_output_path = os.path.join(WORKSPACE_DIR, "obra_prima_final.mp4")
-        with open(list_file_path, "w") as f:
-            for p in paths_for_concat: f.write(f"file '{os.path.abspath(p)}'\n")
-        concat_cmd = f"ffmpeg -y -v error -f concat -safe 0 -i \"{list_file_path}\" -c copy \"{final_output_path}\""
-        subprocess.run(concat_cmd, shell=True, check=True, capture_output=True, text=True)
-        return final_output_path
-    except (subprocess.CalledProcessError, ValueError) as e:
-        error_message = f"FFmpeg falhou durante a pós-produção (corte e concatenação): {e}"
-        if hasattr(e, 'stderr'): error_message += f"\nDetalhes do erro do FFmpeg: {e.stderr}"
-        raise gr.Error(error_message)
-
-
-# --- Ato 5: A Interface com o Mundo ---
-with gr.Blocks(theme=gr.themes.Soft()) as demo:
-    gr.Markdown("# NOVINHO-4.4 (Piloto de Testes - Vetor de Frames)\n*By Carlex & Gemini & DreamO*")
-    
-    # ... (Interface inalterada) ...
-    if os.path.exists(WORKSPACE_DIR): shutil.rmtree(WORKSPACE_DIR)
-    os.makedirs(WORKSPACE_DIR)
-    Path("examples").mkdir(exist_ok=True)
-    
-    scene_storyboard_state = gr.State([])
-    keyframe_images_state = gr.State([])
-    fragment_list_state = gr.State([])
-    prompt_geral_state = gr.State("")
-    processed_ref_path_state = gr.State("")
-    visible_references_state = gr.State(0)
-
-    # --- ETAPA 1: O ROTEIRO ---
-    gr.Markdown("--- \n ## ETAPA 1: O ROTEIRO (Sonhador)")
-    with gr.Row():
-        with gr.Column(scale=1):
-            prompt_input = gr.Textbox(label="Ideia Geral (Prompt)")
-            num_fragments_input = gr.Slider(2, 10, 4, step=1, label="Número de Cenas")
-            image_input = gr.Image(type="filepath", label=f"Imagem de Referência Principal (será {TARGET_RESOLUTION}x{TARGET_RESOLUTION})")
-            director_button = gr.Button("▶️ 1. Gerar Roteiro de Cenas", variant="primary")
-        with gr.Column(scale=2):
-            storyboard_to_show = gr.JSON(label="Roteiro de Cenas Gerado")
-            
-    # --- ETAPA 2: OS KEYFRAMES ---
-    gr.Markdown("--- \n ## ETAPA 2: OS KEYFRAMES (Pintor)")
-    with gr.Row():
-        with gr.Column(scale=2):
-            gr.Markdown("### Controles do Pintor (DreamO)")
-            gr.Markdown("**Tarefas:** `style` (estilo), `ip` (conteúdo), `id` (identidade).")
-            ref_image_inputs, ref_task_inputs, aux_ref_rows = [], [], []
-            with gr.Group():
-                with gr.Row():
-                    ref_image_inputs.append(gr.Image(label="Referência Sequencial (Automática)", type="filepath", interactive=False))
-                    ref_task_inputs.append(gr.Dropdown(choices=["ip", "id", "style"], value="style", label="Tarefa Seq."))
-            for i in range(MAX_REFS):
-                with gr.Row(visible=False) as ref_row_aux:
-                    ref_image_inputs.append(gr.Image(label=f"Ref. Auxiliar {i+1}", type="filepath"))
-                    ref_task_inputs.append(gr.Dropdown(choices=["ip", "id", "style"], value="ip", label=f"Tarefa Aux. {i+1}"))
-                aux_ref_rows.append(ref_row_aux)
-            with gr.Row():
-                add_ref_button = gr.Button("➕ Add Ref.")
-                remove_ref_button = gr.Button("➖ Rem. Ref.")
-            photographer_button = gr.Button("▶️ 2. Pintar Imagens-Chave", variant="primary")
-        with gr.Column(scale=1):
-            keyframe_log_output = gr.Textbox(label="Diário de Bordo do Pintor", lines=15, interactive=False)
-            keyframe_gallery_output = gr.Gallery(label="Imagens-Chave Pintadas", object_fit="contain", height="auto", type="filepath")
-
-    # --- ETAPA 3: A PRODUÇÃO ---
-    gr.Markdown("--- \n ## ETAPA 3: A PRODUÇÃO (Cineasta e Câmera)")
-    with gr.Row():
-        with gr.Column(scale=1):
-            with gr.Row():
-                seed_number = gr.Number(42, label="Seed")
-                cfg_slider = gr.Slider(1.0, 10.0, 2.5, step=0.1, label="CFG")
-            animator_button = gr.Button("▶️ 3. Produzir Cenas em Vídeo", variant="primary")
-            production_log_output = gr.Textbox(label="Diário de Bordo da Produção", lines=10, interactive=False)
-        with gr.Column(scale=1):
-            video_gallery_glitch = gr.Gallery(label="Fragmentos Gerados (com sobreposição)", object_fit="contain", height="auto", type="video")
-    
-    # --- ETAPA 4: PÓS-PRODUÇÃO ---
-    gr.Markdown(f"--- \n ## ETAPA 4: PÓS-PRODUÇÃO (Editor)")
-    editor_button = gr.Button("▶️ 4. Montar Vídeo Final", variant="primary")
-    final_video_output = gr.Video(label="A Obra-Prima Final", width=TARGET_RESOLUTION)
-
-    # --- Rodapé Filosófico ---
-    gr.Markdown(
-        """
-        ---
-        ### A Arquitetura ADUC-SDR: O Esquema Matemático
-        A geração de vídeo é governada por uma função seccional que define como cada fragmento (`V_i`) é criado, operando em dois regimes distintos:
-
-        ---
-        #### **FÓRMULA 1: O FRAGMENTO INICIAL (Gênesis, `i=1`)**
-        *Define a criação do primeiro clipe a partir de imagens estáticas.*
-
-        **Planejamento:** `P_1 = Γ_initial( K_1, K_2, P_geral )`
-        
-        **Execução:** `V_1 = Ψ( { (K_1, F_start), (K_2, F_end) }, P_1 )`
-
-        ---
-        #### **FÓRMULA 2: A CADEIA CAUSAL (Momentum, `i > 1`)**
-        *Define a criação dos fragmentos subsequentes, garantindo a continuidade através do "eco".*
-
-        **Destilação:** `C_(i-1) = Δ(V_(i-1))`
-
-        **Planejamento:** `P_i = Γ_transition( C_(i-1), K_(i+1), P_geral, H_(i-1) )`
-
-        **Execução:** `V_i = Ψ( { (C_(i-1), F_start), (K_(i+1), F_end) }, P_i )`
-
-        ---
-        #### **Componentes (O Léxico da Arquitetura):**
-        - **`V_i`**: Fragmento de Vídeo
-        - **`K_i`**: Keyframe (Imagem Estática)
-        - **`C_i`**: "Eco" Causal (Clipe de Vídeo)
-        - **`P_i`**: Prompt de Movimento
-        - **`P_geral`**: Prompt Geral (Intenção do Diretor)
-        - **`H_i`**: Histórico Narrativo
-        - **`Γ`**: Cineasta (Gerador de Prompt)
-        - **`Ψ`**: Câmera (Gerador de Vídeo)
-        - **`Δ`**: Editor (Extrator de "Eco")
-        - **`F_start`, `F_end`**: Constantes de Frame (Âncoras Temporais)
-        """
-    )
-
-
-    # --- Ato 6: A Regência (Lógica de Conexão dos Botões) ---
-    def update_reference_visibility(current_count, action):
-        if action == "add": new_count = min(MAX_REFS, current_count + 1)
-        else: new_count = max(0, current_count - 1)
-        return [new_count] + [gr.update(visible=(i < new_count)) for i in range(MAX_REFS)]
-
-    add_ref_button.click(fn=update_reference_visibility, inputs=[visible_references_state, gr.State("add")], outputs=[visible_references_state] + aux_ref_rows)
-    remove_ref_button.click(fn=update_reference_visibility, inputs=[visible_references_state, gr.State("remove")], outputs=[visible_references_state] + aux_ref_rows)
-
-    director_button.click(
-        fn=get_static_scenes_storyboard, 
-        inputs=[num_fragments_input, prompt_input, image_input], 
-        outputs=[scene_storyboard_state]
-    ).success(
-        fn=lambda s, p: (s, p), 
-        inputs=[scene_storyboard_state, prompt_input], 
-        outputs=[storyboard_to_show, prompt_geral_state]
-    ).success(
-        fn=process_image_to_square, 
-        inputs=[image_input], 
-        outputs=[processed_ref_path_state]
-    ).success(
-        fn=lambda p: p, 
-        inputs=[processed_ref_path_state], 
-        outputs=[ref_image_inputs[0]]
-    )
-    
-    photographer_button.click(
-        fn=run_keyframe_generation, 
-        inputs=[scene_storyboard_state, processed_ref_path_state] + ref_image_inputs + ref_task_inputs, 
-        outputs=[keyframe_log_output, keyframe_gallery_output, keyframe_images_state]
-    )
-    
-    animator_button.click(
-        fn=run_video_production,
-        inputs=[prompt_geral_state, keyframe_images_state, scene_storyboard_state, seed_number, cfg_slider],
-        outputs=[production_log_output, video_gallery_glitch, fragment_list_state]
-    )
-    
-    editor_button.click(
-        fn=concatenate_and_trim_masterpiece, 
-        inputs=[fragment_list_state], 
-        outputs=[final_video_output]
-    )
-
-if __name__ == "__main__":
-    demo.queue().launch(server_name="0.0.0.0", share=True)