Update run.py

run.py

@@ -3,19 +3,18 @@ import cv2
 import numpy as np
 from insightface.app import FaceAnalysis
 import tempfile
+from moviepy.editor import VideoFileClip
 import os
 
-# Initialisation du modèle
-face_swapper = FaceAnalysis(name="buffalo_l")
-face_swapper.prepare(ctx_id=0, det_size=(640, 640))
+# Forcer InsightFace à utiliser un répertoire avec des permissions
+os.environ['INSIGHTFACE_ROOT'] = '/tmp/.insightface'
 
-def swap_face(source_face, target_face, frame, blend_factor=0.7):
-    """Échange le visage avec possibilité de régler l'intensité du mélange"""
+def swap_face(source_face, target_face, frame):
+    """Remplace le visage cible par le visage source"""
     src_emb = source_face.normed_embedding
     tgt_bbox = target_face.bbox.astype(int)
 
-    # Obtenir le visage source (de la cible pour garder la taille)
-    h, w = frame.shape[:2]
+    # Obtenir le visage redimensionné
     src_face_img = source_face.img
     resized_face = cv2.resize(src_face_img, (tgt_bbox[2]-tgt_bbox[0], tgt_bbox[3]-tgt_bbox[1]))
 
@@ -29,27 +28,27 @@ def swap_face(source_face, target_face, frame, blend_factor=0.7):
     # Positionner le visage
     center = ((tgt_bbox[0]+tgt_bbox[2])//2, (tgt_bbox[1]+tgt_bbox[3])//2)
 
-    # Appliquer seamlessClone
-    result = cv2.seamlessClone(
-        resized_face, frame, mask, center, cv2.NORMAL_CLONE
-    )
+    # Échange réaliste
+    result = cv2.seamlessClone(resized_face, frame, mask, center, cv2.NORMAL_CLONE)
+    return result
 
-    # Mélanger avec l'original selon blend_factor
-    blended = cv2.addWeighted(frame, 1-blend_factor, result, blend_factor, 0)
-    
-    return blended
 
-
-def process_video(source_img, target_video, face_index_source=0, face_index_target=0, blend_factor=0.8):
+def process_video(source_img, target_video):
     try:
-        temp_output = tempfile.NamedTemporaryFile(suffix=".mp4", delete=False)
-        
+        # Initialiser le modèle INSIDE la fonction pour éviter les problèmes de chargement
+        face_app = FaceAnalysis(name="buffalo_l", root="/tmp/.insightface")
+        face_app.prepare(ctx_id=0, det_size=(640, 640))
+
         # Charger le visage source
-        source_faces = face_swapper.get(np.array(source_img))
+        source_faces = face_app.get(source_img)
         if not source_faces:
-            raise ValueError("Aucun visage trouvé sur l'image source.")
-        source_face = source_faces[face_index_source]
+            raise ValueError("Aucun visage trouvé dans l'image source.")
+        source_face = source_faces[0]
+
+        # Fichier temporaire pour sauvegarder la sortie
+        temp_output = tempfile.NamedTemporaryFile(suffix=".mp4", delete=False)
 
+        # Ouvrir la vidéo cible
         cap = cv2.VideoCapture(target_video)
         fps = cap.get(cv2.CAP_PROP_FPS)
         frame_width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
@@ -58,48 +57,48 @@ def process_video(source_img, target_video, face_index_source=0, face_index_targ
         fourcc = cv2.VideoWriter_fourcc(*'mp4v')
         out = cv2.VideoWriter(temp_output.name, fourcc, fps, (frame_width, frame_height))
 
-        while cap.isOpened():
+        while True:
             ret, frame = cap.read()
             if not ret:
                 break
 
-            target_faces = face_swapper.get(frame)
-            if target_faces and len(target_faces) > face_index_target:
-                frame = swap_face(source_face, target_faces[face_index_target], frame, blend_factor)
+            # Détecter les visages dans la frame
+            target_faces = face_app.get(frame)
+            for face in target_faces:
+                frame = swap_face(source_face, face, frame)
 
             out.write(frame)
 
         cap.release()
         out.release()
 
-        return temp_output.name
+        # Réencodage pour compatibilité Gradio/HF
+        clip = VideoFileClip(temp_output.name)
+        final_path = temp_output.name.replace(".mp4", "_final.mp4")
+        clip.write_videofile(final_path, codec="libx264", audio_codec="aac")
+
+        return final_path
 
     except Exception as e:
-        print(f"ERREUR: {str(e)}")
+        print(f"Erreur lors du traitement : {str(e)}")
         return None
 
 
 # Interface Gradio
-with gr.Blocks() as app:
-    gr.Markdown("## 🎬 VideoFaceSwap Pro - Échangez des visages en vidéo avec précision")
-
-    with gr.Row():
-        src_img = gr.Image(label="Visage Source", type="numpy")
-        tgt_video = gr.Video(label="Vidéo Cible")
-
-    with gr.Row():
-        face_index_source = gr.Slider(0, 5, value=0, step=1, label="Index Visage Source")
-        face_index_target = gr.Slider(0, 5, value=0, step=1, label="Index Visage à Remplacer")
-        blend_factor = gr.Slider(0.0, 1.0, value=0.8, label="Intensité du mélange")
-
-    btn = gr.Button("🔁 Traiter la Vidéo", variant="primary")
-    output_video = gr.Video(label="Vidéo Résultat")
-
-    btn.click(
-        fn=process_video,
-        inputs=[src_img, tgt_video, face_index_source, face_index_target, blend_factor],
-        outputs=output_video
-    )
+title = "🎬 FaceSwap Pro - Swap Video"
+description = "Télécharge une image avec un visage et une vidéo. Le visage sera remplacé automatiquement."
+
+demo = gr.Interface(
+    fn=process_video,
+    inputs=[
+        gr.Image(label="Visage Source", type="numpy"),
+        gr.Video(label="Vidéo Cible"),
+    ],
+    outputs=gr.Video(label="Vidéo Résultat"),
+    title=title,
+    description=description,
+    allow_flagging="never"
+)
 
 if __name__ == "__main__":
-    app.launch(server_name="0.0.0.0", server_port=7860)
+    demo.launch()