app.py

import os
import re
import requests
import gradio as gr
from moviepy.editor import *
import edge_tts
import tempfile
import logging
from datetime import datetime
import numpy as np
from sklearn.feature_extraction.text import TfidfVectorizer
import nltk
import random
from transformers import pipeline
import torch
import asyncio
from nltk.tokenize import sent_tokenize

nltk.download('punkt', quiet=True)
logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(name)s - %(levelname)s - %(message)s')
logger = logging.getLogger(__name__)

PEXELS_API_KEY = os.getenv("PEXELS_API_KEY")
MODEL_NAME = "DeepESP/gpt2-spanish"

async def get_voices():
    try:
        voices = await edge_tts.list_voices()
        voice_names = [f"{v['Name']} ({v['Gender']}, {v['LocaleName']})" for v in voices]
        return voice_names, voices
    except:
        return ["Voz Predeterminada (Femenino, es-ES)"], [{'ShortName': 'es-ES-ElviraNeural'}]

VOICE_NAMES, VOICES = asyncio.run(get_voices())

def generar_guion_profesional(prompt):
    try:
        generator = pipeline(
            "text-generation",
            model=MODEL_NAME,
            device=0 if torch.cuda.is_available() else -1
        )
        response = generator(
            f"Escribe un guion profesional para un video de YouTube sobre '{prompt}'. "
            "La estructura debe incluir:\n"
            "1. Introducción atractiva\n"
            "2. Tres secciones detalladas con subtítulos\n"
            "3. Conclusión impactante\n"
            "Usa un estilo natural para narración:",
            temperature=0.7,
            top_k=50,
            top_p=0.95,
            num_return_sequences=1
        )
        guion = response[0]['generated_text']
        if len(guion.split()) < 100:
            raise ValueError("Guion demasiado breve")
        return guion
    except Exception as e:
        logger.error(f"Error generando guion: {str(e)}")
        temas = {
            "historia": ["orígenes", "eventos clave", "impacto actual"],
            "tecnología": ["funcionamiento", "aplicaciones", "futuro"],
            "ciencia": ["teorías", "evidencia", "implicaciones"],
            "misterio": ["enigma", "teorías", "explicaciones"],
            "arte": ["orígenes", "características", "influencia"]
        }
        categoria = "general"
        for key in temas:
            if key in prompt.lower():
                categoria = key
                break
        puntos_clave = temas.get(categoria, ["aspectos importantes", "datos relevantes", "conclusiones"])
        return f"""
        ¡Hola a todos! Bienvenidos a este análisis completo sobre {prompt}. 
        En este video exploraremos a fondo este fascinante tema a través de tres secciones clave.
        
        SECCIÓN 1: {puntos_clave[0].capitalize()}
        Comenzaremos analizando los {puntos_clave[0]} fundamentales. 
        Esto nos permitirá entender mejor la base de {prompt}.
        
        SECCIÓN 2: {puntos_clave[1].capitalize()}
        En esta parte, examinaremos los {puntos_clave[1]} más relevantes 
        y cómo se relacionan con el tema principal.
        
        SECCIÓN 3: {puntos_clave[2].capitalize()}
        Finalmente, exploraremos las {puntos_clave[2]} 
        y qué significan para el futuro de este campo.
        
        ¿Listos para profundizar? ¡Empecemos!
        """

def buscar_videos_avanzado(prompt, guion, num_videos=5):
    try:
        oraciones = sent_tokenize(guion)
        vectorizer = TfidfVectorizer(stop_words=['el', 'la', 'los', 'las', 'de', 'en', 'y', 'que'])
        tfidf = vectorizer.fit_transform(oraciones)
        palabras = vectorizer.get_feature_names_out()
        scores = np.asarray(tfidf.sum(axis=0)).ravel()
        indices_importantes = np.argsort(scores)[-5:]
        palabras_clave = [palabras[i] for i in indices_importantes]
        palabras_prompt = re.findall(r'\b\w{4,}\b', prompt.lower())
        todas_palabras = list(set(palabras_clave + palabras_prompt))[:5]
        headers = {"Authorization": PEXELS_API_KEY}
        response = requests.get(
            f"https://api.pexels.com/videos/search?query={'+'.join(todas_palabras)}&per_page={num_videos}",
            headers=headers,
            timeout=15
        )
        videos = response.json().get('videos', [])
        logger.info(f"Palabras clave usadas: {todas_palabras}")
        videos_ordenados = sorted(
            videos,
            key=lambda x: x.get('width', 0) * x.get('height', 0),
            reverse=True
        )
        return videos_ordenados[:num_videos]
    except Exception as e:
        logger.error(f"Error en búsqueda de videos: {str(e)}")
        response = requests.get(
            f"https://api.pexels.com/videos/search?query={prompt}&per_page={num_videos}",
            headers={"Authorization": PEXELS_API_KEY},
            timeout=10
        )
        return response.json().get('videos', [])[:num_videos]

async def crear_video_profesional(prompt, custom_script, voz_index, musica=None):
    try:
        guion = custom_script if custom_script else generar_guion_profesional(prompt)
        logger.info(f"Guion generado ({len(guion.split())} palabras)")
        voz_seleccionada = VOICES[voz_index]['ShortName'] if VOICES else 'es-ES-ElviraNeural'
        voz_archivo = "voz.mp3"
        await edge_tts.Communicate(guion, voz_seleccionada).save(voz_archivo)
        audio = AudioFileClip(voz_archivo)
        duracion_total = audio.duration
        videos_data = buscar_videos_avanzado(prompt, guion)
        if not videos_data:
            raise Exception("No se encontraron videos")
        clips = []
        for video in videos_data[:3]:
            video_file = next((vf for vf in video['video_files'] if vf['quality'] == 'sd'), video['video_files'][0])
            with tempfile.NamedTemporaryFile(suffix='.mp4', delete=False) as temp_video:
                response = requests.get(video_file['link'], stream=True)
                for chunk in response.iter_content(chunk_size=1024*1024):
                    temp_video.write(chunk)
                clip = VideoFileClip(temp_video.name).subclip(0, min(10, video['duration']))
                clips.append(clip)
        video_final = concatenate_videoclips(clips)
        if musica:
            musica_clip = AudioFileClip(musica.name)
            if musica_clip.duration < duracion_total:
                musica_clip = musica_clip.loop(duration=duracion_total)
            else:
                musica_clip = musica_clip.subclip(0, duracion_total)
            audio = CompositeAudioClip([audio, musica_clip.volumex(0.25)])
        video_final = video_final.set_audio(audio)
        output_path = f"video_output_{datetime.now().strftime('%Y%m%d_%H%M%S')}.mp4"
        video_final.write_videofile(output_path, fps=24, threads=2)
        return output_path
    except Exception as e:
        logger.error(f"Error crítico: {str(e)}")
        return None
    finally:
        if os.path.exists("voz.mp3"):
            os.remove("voz.mp3")

def run_async_func(prompt, custom_script, voz_index, musica=None):
    return asyncio.run(crear_video_profesional(prompt, custom_script, voz_index, musica))

with gr.Blocks(title="Generador de Videos") as app:
    with gr.Row():
        with gr.Column():
            prompt = gr.Textbox(label="Tema del video")
            custom_script = gr.TextArea(label="Guión personalizado (opcional)")
            voz = gr.Dropdown(VOICE_NAMES, label="Voz", value=VOICE_NAMES[0])
            musica = gr.File(label="Música de fondo (opcional)", file_types=["audio"])
            btn = gr.Button("Generar Video", variant="primary")
        with gr.Column():
            output = gr.Video(label="Resultado", format="mp4")

    btn.click(
        fn=lambda p, cs, v, m: asyncio.run(crear_video_profesional(p, cs, VOICE_NAMES.index(v), m)),
        inputs=[prompt, custom_script, voz, musica],
        outputs=output
    )

if __name__ == "__main__":
    app.launch(server_name="0.0.0.0", server_port=7860)