Hugging Face's logo

Spaces:
Aduc-sdr
/
Aduc-sdr-cinematic-video
Runtime error

App Files Community
Aduc-sdr-cinematic-video / README.md
Carlexxx
clean finish
4731927
preview code
|
raw
history blame contribute delete
13.7 kB

A newer version of the Gradio SDK is available: 5.45.0

Upgrade
metadata
title: Euia-AducSdr
emoji: 🎥
colorFrom: indigo
colorTo: purple
sdk: gradio
app_file: app.py
pinned: true
license: agpl-3.0
short_description: Uma implementação aberta e funcional da arquitetura ADUC-SDR

🇧🇷 Português

Uma implementação aberta e funcional da arquitetura ADUC-SDR (Arquitetura de Unificação Compositiva - Escala Dinâmica e Resiliente), projetada para a geração de vídeo coerente de longa duração. Este projeto materializa os princípios de fragmentação, navegação geométrica e um mecanismo de "eco causal 4bits memoria" para garantir a continuidade física e narrativa em sequências de vídeo geradas por múltiplos modelos de IA.

Licença: Este projeto é licenciado sob os termos da GNU Affero General Public License v3.0. Isto significa que se você usar este software (ou qualquer trabalho derivado) para fornecer um serviço através de uma rede, você é obrigado a disponibilizar o código-fonte completo da sua versão para os usuários desse serviço.

  • Copyright (C) 4 de Agosto de 2025, Carlos Rodrigues dos Santos
  • Uma cópia completa da licença pode ser encontrada no arquivo LICENSE.

🇬🇧 English

An open and functional implementation of the ADUC-SDR (Architecture for Compositive Unification - Dynamic and Resilient Scaling) architecture, designed for long-form coherent video generation. This project materializes the principles of fragmentation, geometric navigation, and a "causal echo 4bits memori" mechanism to ensure physical and narrative continuity in video sequences generated by multiple AI models.

License: This project is licensed under the terms of the GNU Affero General Public License v3.0. This means that if you use this software (or any derivative work) to provide a service over a network, you are required to make the complete source code of your version available to the users of that service.

  • Copyright (C) August 4, 2025, Carlos Rodrigues dos Santos
  • A full copy of the license can be found in the LICENSE file.

Aviso de Propriedade Intelectual e Patenteamento

Processo de Patenteamento em Andamento (EM PORTUGUÊS):

A arquitetura e o método ADUC (Automated Discovery and Orchestration of Complex tasks), conforme descritos neste projeto e nas reivindicações associadas, estão atualmente em processo de patenteamento.

O titular dos direitos, Carlos Rodrigues dos Santos, está buscando proteção legal para as inovações chave da arquitetura ADUC, que incluem, mas não se limitam a:

  • Fragmentação e escalonamento de solicitações que excedem limites de contexto de modelos de IA.
  • Distribuição inteligente de sub-tarefas para especialistas heterogêneos.
  • Gerenciamento de estado persistido com avaliação iterativa e realimentação para o planejamento de próximas etapas.
  • Planejamento e roteamento sensível a custo, latência e requisitos de qualidade.
  • O uso de "tokens universais" para comunicação agnóstica a modelos.

Ao utilizar este software e a arquitetura ADUC aqui implementada, você reconhece a natureza inovadora desta arquitetura e que a reprodução ou exploração da lógica central da ADUC em sistemas independentes pode infringir direitos de patente pendente.

Patent Pending (IN ENGLISH):

The ADUC (Automated Discovery and Orchestration of Complex tasks) architecture and method, as described in this project and its associated claims, are currently in the process of being patented.

The rights holder, Carlos Rodrigues dos Santos, is seeking legal protection for the key innovations of the ADUC architecture, including, but not limited to:

  • Fragmentation and scaling of requests exceeding AI model context limits.
  • Intelligent distribution of sub-tasks to heterogeneous specialists.
  • Persistent state management with iterative evaluation and feedback for planning subsequent steps.
  • Cost, latency, and quality-aware planning and routing.
  • The use of "universal tokens" for model-agnostic communication.

By using this software and the ADUC architecture implemented herein, you acknowledge the innovative nature of this architecture and that the reproduction or exploitation of ADUC's core logic in independent systems may infringe upon pending patent rights.

Detalhes Técnicos e Reivindicações da ADUC

🇧🇷 Definição Curta (para Tese e Patente)

ADUC é um framework pré-input e intermediário de gerenciamento de prompts que:

  1. fragmenta solicitações acima do limite de contexto de qualquer modelo,
  2. escala linearmente (processo sequencial com memória persistida),
  3. distribui sub-tarefas a especialistas (modelos/ferramentas heterogêneos), e
  4. realimenta a próxima etapa com avaliação do que foi feito/esperado (LLM diretor).

Não é um modelo; é uma camada orquestradora plugável antes do input de modelos existentes (texto, imagem, áudio, vídeo), usando tokens universais e a tecnologia atual.

🇬🇧 Short Definition (for Thesis and Patent)

ADUC is a pre-input and intermediate prompt management framework that:

  1. fragments requests exceeding any model's context limit,
  2. scales linearly (sequential process with persisted memory),
  3. distributes sub-tasks to specialists (heterogeneous models/tools), and
  4. feeds back to the next step with an evaluation of what was done/expected (director LLM).

It is not a model; it is a pluggable orchestration layer before the input of existing models (text, image, audio, video), using universal tokens and current technology.

🇧🇷 Elementos Essenciais (Telegráfico)

  • Agnóstico a modelos: opera com qualquer LLM/difusor/API.
  • Pré-input manager: recebe pedido do usuário, divide em blocos ≤ limite de tokens, prioriza, agenda e roteia.
  • Memória persistida: resultados/latentes/“eco” viram estado compartilhado para o próximo bloco (nada é ignorado).
  • Especialistas: routers decidem quem faz o quê (ex.: “descrição → LLM-A”, “keyframe → Img-B”, “vídeo → Vid-C”).
  • Controle de qualidade: LLM diretor compara o que fez × o que deveria × o que falta e regenera objetivos do próximo fragmento.
  • Custo/latência-aware: planeja pela VRAM/tempo/custo, não tenta “abraçar tudo de uma vez”.

🇬🇧 Essential Elements (Telegraphic)

  • Model-agnostic: operates with any LLM/diffuser/API.
  • Pre-input manager: receives user request, divides into blocks ≤ token limit, prioritizes, schedules, and routes.
  • Persisted memory: results/latents/“echo” become shared state for the next block (nothing is ignored).
  • Specialists: routers decide who does what (e.g., “description → LLM-A”, “keyframe → Img-B”, “video → Vid-C”).
  • Quality control: director LLM compares what was done × what should be done × what is missing and regenerates objectives for the next fragment.
  • Cost/latency-aware: plans by VRAM/time/cost, does not try to “embrace everything at once”.

🇧🇷 Reivindicações Independentes (Método e Sistema)

Reivindicação Independente (Método) — Versão Enxuta:

  1. Método de orquestração de prompts para execução de tarefas acima do limite de contexto de modelos de IA, compreendendo: (a) receber uma solicitação que excede um limite de tokens; (b) analisar a solicitação por um LLM diretor e fragmentá-la em sub-tarefas ≤ limite; (c) selecionar especialistas de execução para cada sub-tarefa com base em capacidades declaradas; (d) gerar prompts específicos por sub-tarefa em tokens universais, incluindo referências ao estado persistido de execuções anteriores; (e) executar sequencialmente as sub-tarefas e persistir suas saídas como memória (incluindo latentes/eco/artefatos); (f) avaliar automaticamente a saída versus metas declaradas e regenerar objetivos do próximo fragmento; (g) iterar (b)–(f) até que os critérios de completude sejam atendidos, produzindo o resultado agregado; em que o framework escala linearmente no tempo e armazenamento físico, independente da janela de contexto dos modelos subjacentes.

Reivindicação Independente (Sistema):

  1. Sistema de orquestração de prompts, compreendendo: um planejador LLM diretor; um roteador de especialistas; um banco de estado persistido (incl. memória cinética para vídeo); um gerador de prompts universais; e um módulo de avaliação/realimentação, acoplados por uma API pré-input a modelos heterogêneos.

🇬🇧 Independent Claims (Method and System)

Independent Claim (Method) — Concise Version:

  1. A method for prompt orchestration for executing tasks exceeding AI model context limits, comprising: (a) receiving a request that exceeds a token limit; (b) analyzing the request by a director LLM and fragmenting it into sub-tasks ≤ the limit; (c) selecting execution specialists for each sub-task based on declared capabilities; (d) generating specific prompts per sub-task in universal tokens, including references to the persisted state of previous executions; (e) sequentially executing the sub-tasks and persisting their outputs as memory (including latents/echo/artifacts); (f) automatically evaluating the output against declared goals and regenerating objectives for the next fragment; (g) iterating (b)–(f) until completion criteria are met, producing the aggregated result; wherein the framework scales linearly in time and physical storage, independent of the context window of the underlying models.

Independent Claim (System):

  1. A prompt orchestration system, comprising: a director LLM planner; a specialist router; a persisted state bank (incl. kinetic memory for video); a universal prompt generator; and an evaluation/feedback module, coupled via a pre-input API to heterogeneous models.

🇧🇷 Dependentes Úteis

  • (3) Onde o roteamento considera custo/latência/VRAM e metas de qualidade.
  • (4) Onde o banco de estado inclui eco cinético para vídeo (últimos n frames/latentes/fluxo).
  • (5) Onde a avaliação usa métricas específicas por domínio (Lflow, consistência semântica, etc.).
  • (6) Onde tokens universais padronizam instruções entre especialistas.
  • (7) Onde a orquestração decide cut vs continuous e corte regenerativo (Déjà-Vu) ao editar vídeo.
  • (8) Onde o sistema nunca descarta conteúdo excedente: reagenda em novos fragmentos.

🇬🇧 Useful Dependents

  • (3) Wherein routing considers cost/latency/VRAM and quality goals.
  • (4) Wherein the state bank includes kinetic echo for video (last n frames/latents/flow).
  • (5) Wherein evaluation uses domain-specific metrics (Lflow, semantic consistency, etc.).
  • (6) Wherein universal tokens standardize instructions between specialists.
  • (7) Wherein orchestration decides cut vs continuous and regenerative cut (Déjà-Vu) when editing video.
  • (8) Wherein the system never discards excess content: it reschedules it in new fragments.

🇧🇷 Como isso conversa com SDR (Vídeo)

  • Eco Cinético: é um tipo de estado persistido consumido pelo próximo passo.
  • Déjà-Vu (Corte Regenerativo): é uma política de orquestração aplicada quando há edição; ADUC decide, monta os prompts certos e chama o especialista de vídeo.
  • Cut vs Continuous: decisão do diretor com base em estado + metas; ADUC roteia e garante a sobreposição/remoção final.

🇬🇧 How this Converses with SDR (Video)

  • Kinetic Echo: is a type of persisted state consumed by the next step.
  • Déjà-Vu (Regenerative Cut): is an orchestration policy applied during editing; ADUC decides, crafts the right prompts, and calls the video specialist.
  • Cut vs Continuous: decision made by the director based on state + goals; ADUC routes and ensures the final overlap/removal.

🇧🇷 Mensagem Clara ao Usuário (Experiência)

“Seu pedido excede o limite X do modelo Y. Em vez de truncar silenciosamente, o ADUC dividirá e entregará 100% do conteúdo por etapas coordenadas.”

Isso é diferencial prático e jurídico: não-obviedade por transformar limite de contexto em pipeline controlado, com persistência de estado e avaliação iterativa.

🇬🇧 Clear User Message (Experience)

"Your request exceeds model Y's limit X. Instead of silently truncating, ADUC will divide and deliver 100% of the content through coordinated steps."

This is a practical and legal differentiator: non-obviousness by transforming context limits into a controlled pipeline, with state persistence and iterative evaluation.

Contact / Contato / Contacto