Spaces:
Running
Running
| # app.py | |
| import os | |
| import oss2 | |
| import sys | |
| import uuid | |
| import shutil | |
| import time | |
| import gradio as gr | |
| import requests | |
| import dashscope | |
| from dashscope.utils.oss_utils import check_and_upload_local | |
| DASHSCOPE_API_KEY = os.getenv("DASHSCOPE_API_KEY") | |
| # چک کردن وجود API Key | |
| if not DASHSCOPE_API_KEY: | |
| print("⚠️ هشدار: DASHSCOPE_API_KEY تنظیم نشده است!") | |
| print("برای استفاده از برنامه، لطفاً API Key را تنظیم کنید.") | |
| DASHSCOPE_API_KEY = None | |
| else: | |
| dashscope.api_key = DASHSCOPE_API_KEY | |
| class WanAnimateApp: | |
| def __init__(self, url, get_url): | |
| self.url = url | |
| self.get_url = get_url | |
| def predict( | |
| self, | |
| ref_img, | |
| video, | |
| model_id, | |
| model, | |
| ): | |
| # چک کردن API Key قبل از شروع | |
| if not DASHSCOPE_API_KEY: | |
| return None, "خطا: DASHSCOPE_API_KEY تنظیم نشده است. لطفاً متغیر محیطی را تنظیم کنید." | |
| try: | |
| # آپلود فایلها به OSS | |
| _, image_url = check_and_upload_local(model_id, ref_img, DASHSCOPE_API_KEY) | |
| _, video_url = check_and_upload_local(model_id, video, DASHSCOPE_API_KEY) | |
| # آمادهسازی درخواست | |
| payload = { | |
| "model": model_id, | |
| "input": { | |
| "image_url": image_url, | |
| "video_url": video_url | |
| }, | |
| "parameters": { | |
| "check_image": True, | |
| "mode": model, | |
| } | |
| } | |
| # تنظیم هدرها | |
| headers = { | |
| "X-DashScope-Async": "enable", | |
| "X-DashScope-OssResourceResolve": "enable", | |
| "Authorization": f"Bearer {DASHSCOPE_API_KEY}", | |
| "Content-Type": "application/json" | |
| } | |
| # ارسال درخواست اولیه | |
| url = self.url | |
| response = requests.post(url, json=payload, headers=headers) | |
| # چک کردن موفقیت درخواست | |
| if response.status_code != 200: | |
| return None, f"خطا در درخواست: {response.status_code}: {response.text}" | |
| # دریافت task ID | |
| result = response.json() | |
| task_id = result.get("output", {}).get("task_id") | |
| if not task_id: | |
| return None, "خطا: دریافت task ID انجام نشد" | |
| # پولینگ برای نتایج | |
| get_url = f"{self.get_url}/{task_id}" | |
| headers = { | |
| "Authorization": f"Bearer {DASHSCOPE_API_KEY}", | |
| "Content-Type": "application/json" | |
| } | |
| while True: | |
| response = requests.get(get_url, headers=headers) | |
| if response.status_code != 200: | |
| return None, f"خطا در دریافت وضعیت: {response.status_code}: {response.text}" | |
| result = response.json() | |
| print(result) | |
| task_status = result.get("output", {}).get("task_status") | |
| if task_status == "SUCCEEDED": | |
| video_url = result["output"]["results"]["video_url"] | |
| return video_url, "موفق ✓" | |
| elif task_status == "FAILED": | |
| error_msg = result.get("output", {}).get("message", "خطای ناشناخته") | |
| code_msg = result.get("output", {}).get("code", "کد ناشناخته") | |
| return None, f"تسک ناموفق: {error_msg} کد: {code_msg} TaskId: {task_id}" | |
| else: | |
| # تسک در حال اجراست | |
| time.sleep(5) | |
| except Exception as e: | |
| return None, f"خطا: {str(e)}" | |
| def start_app(): | |
| import argparse | |
| parser = argparse.ArgumentParser(description="Wan2.2-Animate ابزار تولید ویدیو") | |
| args = parser.parse_args() | |
| url = "https://dashscope.aliyuncs.com/api/v1/services/aigc/image2video/video-synthesis/" | |
| get_url = f"https://dashscope.aliyuncs.com/api/v1/tasks/" | |
| app = WanAnimateApp(url=url, get_url=get_url) | |
| with gr.Blocks(title="Wan2.2-Animate تولید ویدیو") as demo: | |
| gr.HTML(""" | |
| <div style="padding: 2rem; text-align: center; max-width: 1200px; margin: 0 auto; font-family: Arial, sans-serif;"> | |
| <h1 style="font-size: 2.5rem; font-weight: bold; margin-bottom: 0.5rem; color: #333;"> | |
| Wan2.2-Animate: Unified Character Animation and Replacement | |
| </h1> | |
| <h3 style="font-size: 2rem; font-weight: bold; margin-bottom: 0.5rem; color: #333;"> | |
| Wan2.2-Animate: مدل یکپارچه انیمیشن کاراکتر و جایگزینی شخصیت ویدیو | |
| </h3> | |
| <div style="font-size: 1.25rem; margin-bottom: 1.5rem; color: #555;"> | |
| Tongyi Lab, Alibaba | |
| </div> | |
| </div> | |
| """) | |
| gr.HTML(""" | |
| <details> | |
| <summary>‼️ راهنمای استفاده</summary> | |
| <h4>دو حالت پشتیبانی میشود:</h4> | |
| <ul> | |
| <li><strong>Move Mode</strong>: حرکت دادن کاراکتر تصویر ورودی با حرکات از ویدیو ورودی</li> | |
| <li><strong>Mix Mode</strong>: جایگزینی کاراکتر ویدیو ورودی با کاراکتر از تصویر ورودی</li> | |
| </ul> | |
| <h4>محدودیتهای ورودی:</h4> | |
| <ul> | |
| <li>حجم فایل ویدیو: کمتر از 200MB</li> | |
| <li>رزولوشن ویدیو: حداقل ضلع بیشتر از 200، حداکثر ضلع کمتر از 2048</li> | |
| <li>مدت ویدیو: 2 تا 30 ثانیه</li> | |
| <li>نسبت تصویر: 1:3 تا 3:1</li> | |
| <li>فرمت ویدیو: mp4, avi, mov</li> | |
| <li>حجم تصویر: کمتر از 5MB</li> | |
| <li>رزولوشن تصویر: حداقل ضلع بیشتر از 200، حداکثر ضلع کمتر از 4096</li> | |
| <li>فرمت تصویر: jpg, png, jpeg, webp, bmp</li> | |
| </ul> | |
| <h4>کیفیت استنتاج:</h4> | |
| <ul> | |
| <li><strong>wan-pro</strong>: 25fps, 720p</li> | |
| <li><strong>wan-std</strong>: 15fps, 720p</li> | |
| </ul> | |
| </details> | |
| """) | |
| with gr.Row(): | |
| with gr.Column(): | |
| ref_img = gr.Image( | |
| label="تصویر مرجع (Reference Image)", | |
| type="filepath", | |
| sources=["upload"], | |
| ) | |
| video = gr.Video( | |
| label="ویدیوی الگو (Template Video)", | |
| sources=["upload"], | |
| ) | |
| with gr.Row(): | |
| model_id = gr.Dropdown( | |
| label="حالت (Mode)", | |
| choices=["wan2.2-animate-move", "wan2.2-animate-mix"], | |
| value="wan2.2-animate-move", | |
| ) | |
| model = gr.Dropdown( | |
| label="کیفیت استنتاج (Inference Quality)", | |
| choices=["wan-pro", "wan-std"], | |
| value="wan-pro", | |
| ) | |
| run_button = gr.Button("تولید ویدیو (Generate Video)") | |
| with gr.Column(): | |
| output_video = gr.Video(label="ویدیوی خروجی (Output Video)") | |
| output_status = gr.Textbox(label="وضعیت (Status)") | |
| run_button.click( | |
| fn=app.predict, | |
| inputs=[ref_img, video, model_id, model], | |
| outputs=[output_video, output_status], | |
| ) | |
| # مثالها بدون کش | |
| example_data = [ | |
| ['./examples/mov/1/1.jpeg', './examples/mov/1/1.mp4', 'wan2.2-animate-move', 'wan-pro'], | |
| ['./examples/mov/2/2.jpeg', './examples/mov/2/2.mp4', 'wan2.2-animate-move', 'wan-pro'], | |
| ['./examples/mix/1/1.jpeg', './examples/mix/1/1.mp4', 'wan2.2-animate-mix', 'wan-pro'], | |
| ['./examples/mix/2/2.jpeg', './examples/mix/2/2.mp4', 'wan2.2-animate-mix', 'wan-pro'] | |
| ] | |
| if example_data and os.path.exists('./examples'): | |
| gr.Examples( | |
| examples=example_data, | |
| inputs=[ref_img, video, model_id, model], | |
| # outputs و fn و cache_examples را حذف کنید | |
| ) | |
| demo.queue(default_concurrency_limit=100) | |
| demo.launch( | |
| server_name="0.0.0.0", | |
| server_port=7860 | |
| ) | |
| if __name__ == "__main__": | |
| start_app() |