Update app.py

app.py

@@ -1,135 +1,3 @@
-from diffusers_helper.hf_login import login  # Hugging Face ログイン
-
-import os
-import threading
-import time
-import requests
-from requests.adapters import HTTPAdapter
-from urllib3.util.retry import Retry
-import json
-
-# Hugging Face ダウンロード用キャッシュディレクトリを設定
-os.environ['HF_HOME'] = os.path.abspath(
-    os.path.realpath(
-        os.path.join(os.path.dirname(__file__), './hf_download')
-    )
-)
-
-import gradio as gr
-import torch
-import traceback
-import einops
-import safetensors.torch as sf
-import numpy as np
-import math
-
-# 環境に応じた GPU 利用設定
-IN_HF_SPACE = os.environ.get('SPACE_ID') is not None
-GPU_AVAILABLE = False
-GPU_INITIALIZED = False
-last_update_time = time.time()
-
-# Spaces 環境の場合、spaces モジュールをインポートして GPU 状態をチェック
-if IN_HF_SPACE:
-    try:
-        import spaces
-        GPU_AVAILABLE = torch.cuda.is_available()
-        if GPU_AVAILABLE:
-            device_name = torch.cuda.get_device_name(0)
-            total_mem = torch.cuda.get_device_properties(0).total_memory / 1e9
-            print(f"GPU 利用可能: {device_name}, メモリ: {total_mem:.2f} GB")
-            # 簡易テスト
-            t = torch.zeros(1, device='cuda') + 1
-            del t
-        else:
-            print("警告: CUDA は利用可能だが GPU が見つかりません")
-    except ImportError:
-        print("spaces モジュールがインポートできませんでした")
-        GPU_AVAILABLE = torch.cuda.is_available()
-else:
-    GPU_AVAILABLE = torch.cuda.is_available()
-
-# 出力用フォルダを作成
-outputs_folder = './outputs/'
-os.makedirs(outputs_folder, exist_ok=True)
-
-# モデル管理用グローバル変数
-models = {}
-cpu_fallback_mode = not GPU_AVAILABLE
-
-# モデルをロードする関数
-
-def load_models():
-    """
-    モデルをロードし、グローバル変数に保存します。
-    初回のみ実行され、以降はスキップされます。
-    """
-    global models, cpu_fallback_mode, GPU_INITIALIZED
-    if GPU_INITIALIZED:
-        print("モデルは既にロード済みです")
-        return models
-    print("モデルのロードを開始します...")
-    try:
-        # デバイスとデータ型設定
-        device = 'cuda' if GPU_AVAILABLE and not cpu_fallback_mode else 'cpu'
-        dtype = torch.float16 if GPU_AVAILABLE else torch.float32
-        transformer_dtype = torch.bfloat16 if GPU_AVAILABLE else torch.float32
-
-        # モデルを順次ロード
-        from transformers import LlamaModel, CLIPTextModel, LlamaTokenizerFast, CLIPTokenizer
-        from diffusers import AutoencoderKLHunyuanVideo
-        from diffusers_helper.models.hunyuan_video_packed import HunyuanVideoTransformer3DModelPacked
-        from diffusers_helper.hunyuan import encode_prompt_conds, vae_decode, vae_encode, vae_decode_fake
-        from diffusers_helper.utils import save_bcthw_as_mp4, crop_or_pad_yield_mask, soft_append_bcthw, resize_and_center_crop, generate_timestamp
-        from diffusers_helper.pipelines.k_diffusion_hunyuan import sample_hunyuan
-        from diffusers_helper.clip_vision import hf_clip_vision_encode
-        from diffusers_helper.memory import get_cuda_free_memory_gb, move_model_to_device_with_memory_preservation, unload_complete_models, load_model_as_complete, DynamicSwapInstaller
-        from diffusers_helper.thread_utils import AsyncStream, async_run
-
-        # テキストエンコーダー
-        text_encoder = LlamaModel.from_pretrained(
-            "hunyuanvideo-community/HunyuanVideo", subfolder='text_encoder', torch_dtype=dtype
-        ).to('cpu')
-        text_encoder_2 = CLIPTextModel.from_pretrained(
-            "hunyuanvideo-community/HunyuanVideo", subfolder='text_encoder_2', torch_dtype=dtype
-        ).to('cpu')
-        tokenizer = LlamaTokenizerFast.from_pretrained(
-            "hunyuanvideo-community/HunyuanVideo", subfolder='tokenizer'
-        )
-        tokenizer_2 = CLIPTokenizer.from_pretrained(
-            "hunyuanvideo-community/HunyuanVideo", subfolder='tokenizer_2'
-        )
-
-        # VAE
-        vae = AutoencoderKLHunyuanVideo.from_pretrained(
-            "hunyuanvideo-community/HunyuanVideo", subfolder='vae', torch_dtype=dtype
-        ).to('cpu')
-
-        # 画像エンコーダー
-        from transformers import SiglipImageProcessor, SiglipVisionModel
-        feature_extractor = SiglipImageProcessor.from_pretrained("lllyasviel/flux_redux_bfl", subfolder='feature_extractor')
-        image_encoder = SiglipVisionModel.from_pretrained("lllyasviel/flux_redux_bfl", subfolder='image_encoder', torch_dtype=dtype).to('cpu')
-
-        # トランスフォーマーモデル
-        transformer = HunyuanVideoTransformer3DModelPacked.from_pretrained(
-            'tori29umai/FramePackI2V_HY_rotate_landscape', torch_dtype=transformer_dtype
-        ).to('cpu')
-
-import os
-import threading
-import time
-import requests
-from requests.adapters import HTTPAdapter
-from urllib3.util.retry import Retry
-import json
-
-# Hugging Face ダウンロード用キャッシュディレクトリを設定
-os.environ['HF_HOME'] = os.path.abspath(
-    os.path.realpath(
-        os.path.join(os.path.dirname(__file__), './hf_download')
-    )
-)
-
 import gradio as gr
 import torch
 import traceback
@@ -420,10 +288,10 @@ with block:
             )
             prompt = gr.Textbox(
                 label='プロンプト',
-                placeholder='例: 美しい風景を背景に踊る人々。'
+                placeholder='The camera smoothly orbits around the center of the scene, keeping the center point fixed and always in view'
             )
             quick = gr.Dataset(
-                samples=[['少女が優雅に踊る、動きがはっきりと分かる。'], ['キャラクターが簡単な体の動きをしている。']],
+                samples=[['The camera smoothly orbits around the center of the scene, keeping the center point fixed and always in view']],
                 label='クイックプロンプト',
                 samples_per_page=10,
                 components=[prompt]
@@ -556,10 +424,6 @@ def worker(input_image, prompt, n_prompt, seed, total_second_length,
     # 進捗開始
     stream.output_queue.push(('progress', (None, '', '<div>開始...</div>')))
 
-    # ここからサンプリングとエンコード処理を実装
-    # （省略せず全て実装）
-    # ...
-
     # 終了シグナル送信
     stream.output_queue.push(('end', None))
     return