Update app.py

app.py

@@ -1,4 +1,4 @@
-# app_refactored_with_postprod.py (com Modos de Geração e Opções LTX Completas)
+# app_refactored_with_postprod.py (com Presets de Guiagem e Opções LTX Completas)
 
 import gradio as gr
 import os
@@ -7,17 +7,17 @@ import traceback
 from pathlib import Path
 
 # --- Import dos Serviços de Backend ---
-#try:
-from api.ltx_server_refactored import video_generation_service
-#except ImportError:
-#    print("ERRO FATAL: Não foi possível importar 'video_generation_service' de 'api.ltx_server_refactored'.")
-#    sys.exit(1)
-
-#try:
-from api.seedvr_server import SeedVRServer
-#except ImportError:
-#    print("AVISO: Não foi possível importar SeedVRServer. A aba de upscaling SeedVR será desativada.")
-#    SeedVRServer = None
+try:
+    from api.ltx_server_refactored import video_generation_service
+except ImportError:
+    print("ERRO FATAL: Não foi possível importar 'video_generation_service' de 'api.ltx_server_refactored'.")
+    sys.exit(1)
+
+try:
+    from api.seedvr_server import SeedVRServer
+except ImportError:
+    print("AVISO: Não foi possível importar SeedVRServer. A aba de upscaling SeedVR será desativada.")
+    SeedVRServer = None
 
 seedvr_inference_server = SeedVRServer() if SeedVRServer else None
 
@@ -31,10 +31,9 @@ def run_generate_base_video(
     # Parâmetros de Geração
     generation_mode, prompt, neg_prompt, start_img, height, width, duration, cfg, seed, randomize_seed,
     
-    # Novos parâmetros LTX (completos)
-    fp_num_inference_steps, fp_guidance_scale,
-    sampler, stg_mode, stochastic_sampling,
-    decode_timestep, decode_noise_scale, downscale_factor,
+    # Novos parâmetros LTX (com presets e customização)
+    fp_guidance_preset, fp_guidance_scale_list, fp_stg_scale_list, fp_timesteps_list,
+    fp_num_inference_steps,
 
     progress=gr.Progress(track_tqdm=True)
 ):
@@ -54,16 +53,11 @@ def run_generate_base_video(
         
         # Agrupa todas as configurações LTX em um único dicionário para o backend
         ltx_configs = {
-            # First Pass
+            "guidance_preset": fp_guidance_preset,
+            "guidance_scale_list": fp_guidance_scale_list,
+            "stg_scale_list": fp_stg_scale_list,
+            "timesteps_list": fp_timesteps_list,
             "first_pass_num_inference_steps": fp_num_inference_steps,
-            "first_pass_guidance_scale": fp_guidance_scale,
-            # Gerais
-            "sampler": sampler,
-            "stg_mode": stg_mode,
-            "stochastic_sampling": stochastic_sampling,
-            "decode_timestep": decode_timestep,
-            "decode_noise_scale": decode_noise_scale,
-            "downscale_factor": downscale_factor,
         }
 
         # Decide qual função de backend chamar com base no modo
@@ -97,7 +91,6 @@ def run_ltx_refinement(state, prompt, neg_prompt, cfg, progress=gr.Progress(trac
     if not state or not state.get("low_res_latents"):
         raise gr.Error("Erro: Gere um vídeo base primeiro na Etapa 1.")
     try:
-        # Nota: O refinamento também poderia aceitar um dicionário de configs para o second_pass
         video_path, tensor_path = video_generation_service.generate_upscale_denoise(
             latents_path=state["low_res_latents"], prompt=prompt,
             negative_prompt=neg_prompt, guidance_scale=cfg, seed=state["used_seed"]
@@ -140,48 +133,34 @@ with gr.Blocks() as demo:
             neg_prompt_input = gr.Textbox(label="Negative Prompt", value="blurry, low quality, bad anatomy", lines=2)
             start_image = gr.Image(label="Imagem de Início (Opcional)", type="filepath", sources=["upload"])
             
-            with gr.Accordion("Parâmetros Principais", open=True):
+            with gr.Accordion("Parâmetros Principais", open=False):
                 duration_input = gr.Slider(label="Duração Total (s)", value=8, step=1, minimum=2, maximum=40)
                 with gr.Row():
-                    height_input = gr.Slider(label="Height", value=512, step=32, minimum=256, maximum=1024)
-                    width_input = gr.Slider(label="Width", value=704, step=32, minimum=256, maximum=1024)
+                    height_input = gr.Slider(label="Height", value=720, step=32, minimum=256, maximum=1024)
+                    width_input = gr.Slider(label="Width", value=480, step=32, minimum=256, maximum=1024)
                 with gr.Row():
                     seed_input = gr.Number(label="Seed", value=42, precision=0)
                     randomize_seed = gr.Checkbox(label="Randomize Seed", value=True)
 
             with gr.Accordion("Opções Adicionais LTX (Avançado)", open=False):
-                gr.Markdown("Estes parâmetros sobrepõem os valores padrão do arquivo de configuração do LTX.")
+                cfg_input = gr.Slider(label="Guidance Scale (CFG)", info="Afeta o refinamento (se usado) e não tem efeito no First Pass dos modelos 'distilled'.", value=3.0, step=0.1, minimum=1.0, maximum=10.0)
                 
                 with gr.Tabs():
-                    with gr.TabItem("First Pass"):
-                        fp_num_inference_steps = gr.Slider(
-                            label="Passos de Inferência", minimum=10, maximum=100, step=1, value=30, 
-                            info="Padrão do config é 30. Controla o número de passos do denoise inicial."
-                        )
-                        fp_guidance_scale = gr.Slider(
-                            label="Força da Guiagem (Pico)", minimum=1.0, maximum=15.0, step=0.5, value=8.0, 
-                            info="Padrão do config tem um pico de 8.0. Controla o quão forte o prompt guia a formação da imagem."
+                    with gr.TabItem("Guiagem (First Pass)"):
+                        fp_guidance_preset = gr.Dropdown(
+                            label="Preset de Guiagem",
+                            choices=["Padrão (Recomendado)", "Agressivo", "Suave", "Customizado"],
+                            value="Padrão (Recomendado)", info="Muda o comportamento da guiagem ao longo da difusão."
                         )
+                        with gr.Group(visible=False) as custom_guidance_group:
+                            gr.Markdown("⚠️ Edite as listas em formato JSON. Ex: `[1, 2, 3]`")
+                            fp_guidance_scale_list = gr.Textbox(label="Lista de Guidance Scale", value="[1, 1, 6, 8, 6, 1, 1]")
+                            fp_stg_scale_list = gr.Textbox(label="Lista de STG Scale (Movimento)", value="[0, 0, 4, 4, 4, 2, 1]")
+                            fp_timesteps_list = gr.Textbox(label="Lista de Guidance Timesteps", value="[1.0, 0.996, 0.9933, 0.9850, 0.9767, 0.9008, 0.6180]")
                     
                     with gr.TabItem("Geral"):
-                        sampler = gr.Radio(
-                            label="Sampler", choices=["from_checkpoint", "uniform", "linear-quadratic"], value="from_checkpoint",
-                            info="Como o scheduler calcula os timesteps."
-                        )
-                        stg_mode = gr.Radio(
-                            label="Modo de Guiagem Espaço-Temporal (STG)", 
-                            choices=["attention_values", "attention_skip", "residual", "transformer_block"], 
-                            value="attention_values", info="Como a guiagem de movimento é aplicada."
-                        )
-                        stochastic_sampling = gr.Checkbox(label="Amostragem Estocástica", value=False, info="Adiciona aleatoriedade ao denoise.")
-                        downscale_factor = gr.Slider(label="Fator de Downscale", minimum=0.1, maximum=1.0, step=0.01, value=0.66, info="Tamanho da geração inicial (padrão ~0.66).")
-
-                    with gr.TabItem("Decode VAE"):
-                        decode_timestep = gr.Slider(label="Decode Timestep", minimum=0.0, maximum=1.0, step=0.01, value=0.05, info="Nível de ruído para o VAE denoiser.")
-                        decode_noise_scale = gr.Slider(label="Decode Noise Scale", minimum=0.0, maximum=1.0, step=0.005, value=0.025, info="Escala do ruído no decode.")
-
-                cfg_input = gr.Slider(label="Guidance Scale (CFG)", info="Afeta o refinamento (se usado) e não tem efeito no First Pass dos modelos 'distilled'.", value=0.1, step=0.1, minimum=1.0, maximum=10.0)
-
+                        fp_num_inference_steps = gr.Slider(label="Passos de Inferência (First Pass)", minimum=10, maximum=100, step=1, value=30)
+            
             generate_low_btn = gr.Button("1. Gerar Vídeo Base", variant="primary")
         
         with gr.Column(scale=1):
@@ -209,17 +188,19 @@ with gr.Blocks() as demo:
                         seedvr_batch_size = gr.Slider(minimum=1, maximum=16, value=4, step=1, label="Batch Size por GPU")
                         seedvr_fps_output = gr.Number(label="FPS de Saída (0 = original)", value=0)
                         run_seedvr_button = gr.Button("Iniciar Upscaling SeedVR", variant="primary", interactive=(seedvr_inference_server is not None))
-                        if not seedvr_inference_server:
-                             gr.Markdown("<p style='color: red;'>Serviço SeedVR não disponível.</p>")
                     with gr.Column(scale=1):
                         seedvr_video_output = gr.Video(label="Vídeo com Upscale SeedVR", interactive=False)
                         seedvr_status_box = gr.Textbox(label="Status", value="Aguardando...", lines=3, interactive=False)
 
     # --- LÓGICA DE EVENTOS ---
+    def update_custom_guidance_visibility(preset_choice):
+        return gr.update(visible=(preset_choice == "Customizado"))
+    
+    fp_guidance_preset.change(fn=update_custom_guidance_visibility, inputs=fp_guidance_preset, outputs=custom_guidance_group)
+
     all_ltx_inputs = [
-        fp_num_inference_steps, fp_guidance_scale,
-        sampler, stg_mode, stochastic_sampling,
-        decode_timestep, decode_noise_scale, downscale_factor,
+        fp_guidance_preset, fp_guidance_scale_list, fp_stg_scale_list, fp_timesteps_list,
+        fp_num_inference_steps,
     ]
     
     generate_low_btn.click(