Create App.py

App.py

@@ -0,0 +1,113 @@
+import gradio as gr
+import edge_tts
+import asyncio
+import tempfile
+import os
+from moviepy.editor import ImageClip, concatenate_videoclips, AudioFileClip, TextClip, CompositeVideoClip
+from moviepy.config import change_settings
+
+# Tenta configurar o ImageMagick (necessário para TextClip em alguns ambientes Linux)
+# Se der erro de policy.xml no HF, usaremos uma alternativa sem TextClip complexo ou legendas simplificadas
+try:
+    change_settings({"IMAGEMAGICK_BINARY": "/usr/bin/convert"})
+except:
+    pass
+
+async def text_to_speech(text, voice="pt-BR-FranciscaNeural"):
+    """Gera áudio a partir de texto usando Edge-TTS (Microsoft Azure Free)"""
+    communicate = edge_tts.Communicate(text, voice)
+    with tempfile.NamedTemporaryFile(delete=False, suffix=".mp3") as tmp_file:
+        await communicate.save(tmp_file.name)
+        return tmp_file.name
+
+def create_video_segment(image_url, audio_path, text_content):
+    """Cria um segmento de vídeo: Imagem + Áudio + Legenda"""
+    # Carrega o áudio para saber a duração
+    audio_clip = AudioFileClip(audio_path)
+    duration = audio_clip.duration + 0.5 # +0.5s de respiro
+
+    # Cria o clipe de imagem (Baixa da URL se necessário, mas o Gradio já entrega o path local se enviado como arquivo)
+    # Se o input for filepath (caminho local salvo pelo Gradio):
+    image_clip = ImageClip(image_url).set_duration(duration)
+    
+    # Redimensiona para formato Vertical (9:16) se necessário, ou mantém proporção
+    # Aqui forçamos uma altura padrão de HD vertical (ex: 1280x720 invertido ou similar)
+    # Para simplificar, vamos assumir que a imagem gerada já vem no formato certo ou fazemos resize
+    image_clip = image_clip.resize(height=1280)
+    image_clip = image_clip.set_position("center")
+
+    # Legenda (Simples)
+    # Nota: TextClip pode ser chato de configurar no Linux devido ao ImageMagick.
+    # Se der erro, remova este bloco de txt_clip e retorne apenas image_clip.set_audio
+    try:
+        txt_clip = TextClip(text_content, fontsize=50, color='white', font='Arial-Bold', 
+                            stroke_color='black', stroke_width=2, size=(image_clip.w - 100, None), method='caption')
+        txt_clip = txt_clip.set_position(('center', 'bottom')).set_duration(duration).set_start(0)
+        video_part = CompositeVideoClip([image_clip, txt_clip])
+    except Exception as e:
+        print(f"Erro ao gerar legenda (ImageMagick ausente?): {e}")
+        video_part = image_clip
+
+    video_part = video_part.set_audio(audio_clip)
+    return video_part
+
+async def process_video(scenes_data):
+    """
+    Função principal chamada pela API.
+    scenes_data esperado: Lista de tuplas/listas [caminho_imagem, texto_narracao]
+    Exemplo: [ ["/tmp/img1.jpg", "Maria apareceu..."], ["/tmp/img2.jpg", "Ela disse..."] ]
+    """
+    final_clips = []
+    
+    for scene in scenes_data:
+        image_path = scene[0]
+        text = scene[1]
+        
+        # 1. Gerar Áudio
+        audio_path = await text_to_speech(text)
+        
+        # 2. Criar Clipe
+        clip = create_video_segment(image_path, audio_path, text)
+        final_clips.append(clip)
+        
+    # 3. Concatenar tudo
+    final_video = concatenate_videoclips(final_clips, method="compose")
+    
+    output_path = tempfile.mktemp(suffix=".mp4")
+    final_video.write_videofile(output_path, fps=24, codec="libx264", audio_codec="aac")
+    
+    return output_path
+
+# Wrapper síncrono para o Gradio chamar a função async
+def gradio_entry_point(image1, text1, image2, text2, image3, text3, image4, text4):
+    # Por limitações de interface simples do Gradio, vamos aceitar inputs fixos (ex: 4 cenas)
+    # Para 12 cenas, o ideal é enviar um JSON, mas vamos fazer simples para teste visual
+    # Se o frontend enviar JSON, mudamos aqui.
+    
+    # Monta a lista ignorando vazios
+    scenes = []
+    inputs = [(image1, text1), (image2, text2), (image3, text3), (image4, text4)]
+    
+    for img, txt in inputs:
+        if img and txt:
+            scenes.append([img, txt])
+            
+    if not scenes:
+        return None
+
+    return asyncio.run(process_video(scenes))
+
+# Interface Visual (Para teste manual no site do HF)
+with gr.Interface(
+    fn=gradio_entry_point,
+    inputs=[
+        gr.Image(type="filepath", label="Cena 1 - Imagem"), gr.Textbox(label="Cena 1 - Texto"),
+        gr.Image(type="filepath", label="Cena 2 - Imagem"), gr.Textbox(label="Cena 2 - Texto"),
+        gr.Image(type="filepath", label="Cena 3 - Imagem"), gr.Textbox(label="Cena 3 - Texto"),
+        gr.Image(type="filepath", label="Cena 4 - Imagem"), gr.Textbox(label="Cena 4 - Texto"),
+    ],
+    outputs=gr.Video(),
+    title="Gerador de Vídeo Nossa Senhora (Backend)",
+    description="Backend API para renderizar vídeo com MoviePy e EdgeTTS"
+) as demo:
+    demo.launch()