# app_refactored_with_postprod.py

import gradio as gr
import os
import sys
from pathlib import Path
import traceback

# --- Import dos Serviços de Backend ---

# Serviço LTX para geração de vídeo base e refinamento de textura
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'.")
    print("Verifique se o arquivo existe e se o ambiente está configurado corretamente.")
    sys.exit(1)


# Serviço SeedVR para upscaling de alta qualidade
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 # Define como None para tratamento gracioso de erro

# Inicializa o servidor SeedVR uma vez, se disponível
if SeedVRServer:
    print("Inicializando o servidor de inferência SeedVR...")
    seedvr_inference_server = SeedVRServer()
else:
    seedvr_inference_server = None

# --- ESTADO DA SESSÃO ---
# Mantém os caminhos dos arquivos entre os cliques dos botões
def create_initial_state():
    return {
        "low_res_video": None,
        "low_res_latents": None,
        "refined_video": None,
        "refined_latents": None,
        "used_seed": None
    }

# --- FUNÇÕES WRAPPER PARA A UI ---

def run_generate_low(prompt, neg_prompt, start_img, height, width, duration, cfg, seed, randomize_seed, progress=gr.Progress(track_tqdm=True)):
    """
    Executa a primeira etapa: geração de um vídeo base em baixa resolução.
    """
    print("UI: Chamando generate_low")
    
    try:
        # 1. Preparar conditioning_items (se uma imagem de início for fornecida)
        conditioning_items = []
        if start_img:
            # A função `prepare_condition_items` precisa de uma estimativa do número de frames
            num_frames_estimate = int(duration * 24)
            items_list = [[start_img, 0, 1.0]] # Imagem de início, no frame 0, com peso 1.0
            conditioning_items = video_generation_service.prepare_condition_items(items_list, height, width, num_frames_estimate)

        # Determina a seed a ser usada
        used_seed = None if randomize_seed else seed
        
        # 2. Chamar a função de geração de baixa resolução do backend
        video_path, tensor_path, final_seed = video_generation_service.generate_low(
            prompt=prompt, negative_prompt=neg_prompt,
            height=height, width=width, duration=duration,
            guidance_scale=cfg, seed=used_seed,
            conditioning_items=conditioning_items
        )
        
        # 3. Atualizar o estado da aplicação com os caminhos dos arquivos resultantes
        new_state = {
            "low_res_video": video_path,
            "low_res_latents": tensor_path,
            "refined_video": None, # Limpa resultados de execuções anteriores
            "refined_latents": None,
            "used_seed": final_seed
        }
        
        # 4. Retorna os resultados para a UI
        #    - O caminho do vídeo para o componente de vídeo
        #    - O novo estado para o componente gr.State
        #    - Um update para tornar o grupo de pós-produção visível
        return video_path, new_state, gr.update(visible=True)
        
    except Exception as e:
        error_message = f"❌ Ocorreu um erro na Geração Base:\n{e}"
        print(f"{error_message}\nDetalhes: {traceback.format_exc()}")
        raise gr.Error(error_message)


def run_seedvr_upscaling(state, seed, resolution, batch_size, fps, progress=gr.Progress(track_tqdm=True)):
    """
    Função de callback que executa o processo de upscaling com SeedVR.
    """
    if not state or not state.get("low_res_video"):
        raise gr.Error("Erro: Gere um vídeo base primeiro na Etapa 1.")
    if not seedvr_inference_server:
        raise gr.Error("Erro: O servidor SeedVR não está disponível. Verifique a instalação e os logs.")
        
    video_path = state["low_res_video"]
    
    progress(0, desc="Iniciando SeedVR Upscaling...")
    print(f"▶️  Iniciando processo de upscaling SeedVR para o vídeo: {video_path}")
    
    try:
        # Wrapper para a barra de progresso do Gradio
        def progress_wrapper(p, desc=""):
            progress(p, desc=desc)
            print(f"⌛ Progresso SeedVR: {p*100:.1f}% - {desc}")

        # Chama o método de inferência do servidor SeedVR
        output_filepath = seedvr_inference_server.run_inference(
            file_path=video_path,
            seed=seed,
            resolution=resolution,
            batch_size=batch_size,
            fps=fps,
            progress=progress_wrapper
        )
        
        final_message = f"✅ Processo SeedVR concluído!\nVídeo salvo em: {output_filepath}"
        print(final_message)
        # Retorna o vídeo e a mensagem de sucesso para a UI
        return gr.update(value=output_filepath, interactive=True), gr.update(value=final_message, interactive=False)

    except Exception as e:
        error_message = f"❌ Ocorreu um erro grave durante o upscaling com SeedVR:\n{e}"
        print(f"{error_message}\nDetalhes: {traceback.format_exc()}")
        # Retorna None para o vídeo e a mensagem de erro para o status box
        return None, gr.update(value=error_message, interactive=False)


# --- DEFINIÇÃO DA INTERFACE GRADIO ---
with gr.Blocks(css="#col-container { margin: 0 auto; max-width: 900px; }", theme=gr.themes.Monochrome()) as demo:
    gr.Markdown("# LTX Video - Geração e Pós-Produção por Etapas")
    
    # Componente invisível para armazenar o estado da aplicação (caminhos de arquivos, etc.)
    app_state = gr.State(value=create_initial_state())

    # --- ETAPA 1: Geração Base ---
    with gr.Row():
        with gr.Column(scale=1):
            gr.Markdown("### Etapa 1: Configurações de Geração")
            prompt_input = gr.Textbox(label="Prompt", value="A majestic dragon flying over a medieval castle", lines=3)
            neg_prompt_input = gr.Textbox(label="Negative Prompt", value="worst quality, blurry, low quality, jittery", lines=2)
            start_image = gr.Image(label="Imagem de Início (Opcional)", type="filepath", sources=["upload", "clipboard"])
            
            with gr.Accordion("Parâmetros Avançados", open=False):
                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)
                duration_input = gr.Slider(label="Duração (s)", value=4, step=1, minimum=1, maximum=10)
                cfg_input = gr.Slider(label="Guidance Scale (CFG)", value=3.0, step=0.1, minimum=1.0, maximum=10.0)
                seed_input = gr.Number(label="Seed", value=42, precision=0)
                randomize_seed = gr.Checkbox(label="Randomize Seed", value=True)

            generate_low_btn = gr.Button("1. Gerar Vídeo Base (Low-Res)", variant="primary")
        
        with gr.Column(scale=1):
            gr.Markdown("### Vídeo Base Gerado")
            low_res_video_output = gr.Video(label="O resultado da Etapa 1 aparecerá aqui", interactive=False)

    # --- ETAPA 2: Pós-Produção (no rodapé, em abas) ---
    with gr.Group(visible=False) as post_prod_group:
        gr.Markdown("<hr style='margin-top: 20px; margin-bottom: 20px;'>")
        gr.Markdown("## Etapa 2: Pós-Produção")
        gr.Markdown("Use o vídeo gerado acima como entrada para as ferramentas abaixo.")

        with gr.Tabs():
            with gr.TabItem("🚀 Upscaler Textura (LTX)"):
                gr.Markdown("*(Funcionalidade a ser implementada no futuro)*")
                # Aqui iriam os componentes para o refinamento LTX
                # refine_ltx_btn = gr.Button("Aplicar Refinamento de Textura LTX")
                # refined_ltx_video_output = gr.Video(label="Vídeo com Textura Refinada")

            with gr.TabItem("✨ Upscaler SeedVR"):
                with gr.Row():
                    with gr.Column(scale=1):
                        gr.Markdown("### Parâmetros do SeedVR")
                        seedvr_seed = gr.Slider(minimum=0, maximum=999999, value=42, step=1, label="Seed")
                        seedvr_resolution = gr.Slider(minimum=720, maximum=1440, value=1072, step=8, label="Resolução Vertical (Altura)")
                        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):
                        gr.Markdown("### Resultado do Upscaling")
                        seedvr_video_output = gr.Video(label="Vídeo com Upscale SeedVR", interactive=False)
                        seedvr_status_box = gr.Textbox(label="Status do Processamento", value="Aguardando...", lines=3, interactive=False)

            with gr.TabItem("🔊 Áudio (MM-Audio)"):
                gr.Markdown("*(Funcionalidade futura para adicionar som aos vídeos)*")
                # Componentes para a geração de áudio viriam aqui

    # --- LÓGICA DE EVENTOS DA UI ---

    # Conecta o botão da Etapa 1 à sua função de backend
    generate_low_btn.click(
        fn=run_generate_low,
        inputs=[prompt_input, neg_prompt_input, start_image, height_input, width_input, duration_input, cfg_input, seed_input, randomize_seed],
        outputs=[low_res_video_output, app_state, post_prod_group]
    )

    # Conecta o botão da Aba SeedVR à sua função de backend
    run_seedvr_button.click(
        fn=run_seedvr_upscaling,
        inputs=[
            app_state,
            seedvr_seed,
            seedvr_resolution,
            seedvr_batch_size,
            seedvr_fps_output
        ],
        outputs=[
            seedvr_video_output,
            seedvr_status_box
        ]
    )


if __name__ == "__main__":
    # Inicia a aplicação Gradio
    demo.queue().launch(
        server_name="0.0.0.0",
        debug=True,
        show_error=True
    )