Update app.py

app.py

@@ -6,9 +6,10 @@ import numpy as np
 import gradio as gr
 from groq import Groq
 from transformers import AutoProcessor, BarkModel
+import yt_dlp
 
-# Carrega o Bark diretamente via transformers (evita o UnpicklingError do torch.load)
-device = "cpu"
+# Configura o modelo Bark via transformers
+device = "cuda" if torch.cuda.is_available() else "cpu"
 processor = AutoProcessor.from_pretrained("suno/bark-small")
 model = BarkModel.from_pretrained("suno/bark-small").to(device)
 
@@ -23,7 +24,7 @@ BARK_VOICES = {
 
 def generate_bark_acting_segment(text, voice_preset, output_path):
     """
-    Gera áudio com Bark via transformers mantendo os prompts de atuação ([laughter], [sigh], etc).
+    Gera áudio com Bark garantindo normalização e salvamento correto em formato WAV.
     """
     inputs = processor(text, voice_preset=voice_preset)
     with torch.no_grad():
@@ -31,24 +32,62 @@ def generate_bark_acting_segment(text, voice_preset, output_path):
     
     sampling_rate = model.generation_config.sample_rate
     audio_data = speech_output.cpu().numpy().squeeze()
-    
-    wavfile.write(output_path, rate=sampling_rate, data=(audio_data * 32767).astype(np.int16))
 
-def process_dubbing_bark(video_path, voice_name, progress=gr.Progress()):
-    if not video_path:
-        return None, "Por favor, envie um arquivo de vídeo."
+    # Normalização segura para evitar clippagem e arquivos WAV corrompidos
+    if np.max(np.abs(audio_data)) > 0:
+        audio_data = audio_data / np.max(np.abs(audio_data))
+    
+    audio_data_int16 = (audio_data * 32767).astype(np.int16)
+    wavfile.write(output_path, rate=sampling_rate, data=audio_data_int16)
 
-    voice_preset = BARK_VOICES.get(voice_name, "v2/pt_speaker_1")
+def download_youtube_video(youtube_url, output_dir):
+    """
+    Baixa vídeo do YouTube usando yt-dlp em formato MP4 compatível.
+    """
+    out_template = os.path.join(output_dir, "yt_download.%(ext)s")
+    ydl_opts = {
+        'format': 'bestvideo[ext=mp4]+bestaudio[ext=m4a]/best[ext=mp4]/best',
+        'outtmpl': out_template,
+        'quiet': True,
+        'no_warnings': True,
+        'overwrites': True
+    }
+    with yt_dlp.YoutubeDL(ydl_opts) as ydl:
+        info = ydl.extract_info(youtube_url, download=True)
+        filename = ydl.prepare_filename(info)
+        # Se for baixado com extensão diferente (ex: .mkv ou .webm), convertemos o caminho
+        if not filename.endswith('.mp4') and os.path.exists(filename):
+            mp4_path = os.path.join(output_dir, "yt_download.mp4")
+            subprocess.run([
+                "ffmpeg", "-y", "-i", filename, "-c:v", "libx264", "-preset", "ultrafast", mp4_path
+            ], check=True)
+            return mp4_path
+        return filename
+
+def process_dubbing_bark(video_file, youtube_url, voice_name, progress=gr.Progress()):
     work_dir = "/tmp/dubbing_bark_workdir"
     os.makedirs(work_dir, exist_ok=True)
-    
+
+    # Resolve a fonte do vídeo (Upload ou Link do YouTube)
+    if youtube_url and youtube_url.strip():
+        progress(0.05, desc="Baixando vídeo do YouTube...")
+        try:
+            video_path = download_youtube_video(youtube_url.strip(), work_dir)
+        except Exception as e:
+            return None, f"Erro ao baixar do YouTube: {str(e)}"
+    elif video_file:
+        video_path = video_file
+    else:
+        return None, "Por favor, envie um arquivo de vídeo ou cole uma URL do YouTube."
+
+    voice_preset = BARK_VOICES.get(voice_name, "v2/pt_speaker_1")
     extracted_audio = os.path.join(work_dir, "extracted.mp3")
     muted_video = os.path.join(work_dir, "muted.mp4")
     concat_list_path = os.path.join(work_dir, "concat.txt")
     output_video_path = "video_dublado_bark.mp4"
 
     try:
-        # 1. Isolar Áudio e Vídeo Muto (Usa x264 ultrafast para compatibilidade universal com WebM/MKV/MP4)
+        # 1. Isolar Áudio e Vídeo Muto (Garante padrão H.264 / MP4)
         progress(0.1, desc="Extraindo áudio e processando estrutura do vídeo...")
         subprocess.run([
             "ffmpeg", "-y", "-i", video_path, 
@@ -60,7 +99,7 @@ def process_dubbing_bark(video_path, voice_name, progress=gr.Progress()):
             "-an", "-vcodec", "libx264", "-preset", "ultrafast", muted_video
         ], check=True)
 
-        # 2. Transcrição com Minutagem via Groq API (Whisper Large V3)
+        # 2. Transcrição com Minutagem via Groq API
         progress(0.25, desc="Transcrevendo via Groq (Whisper Large V3)...")
         with open(extracted_audio, "rb") as audio_file:
             transcript = groq_client.audio.transcriptions.create(
@@ -145,7 +184,11 @@ with gr.Blocks(title="Dublador Atuado com Bark + Groq") as demo:
     
     with gr.Row():
         with gr.Column():
-            video_input = gr.Video(label="Vídeo Original")
+            video_input = gr.Video(label="Envie um Arquivo de Vídeo")
+            url_input = gr.Textbox(
+                label="Ou cole uma URL do YouTube", 
+                placeholder="https://www.youtube.com/watch?v=..."
+            )
             voice_option = gr.Dropdown(
                 choices=list(BARK_VOICES.keys()), 
                 value="Português - Voz 1 (Expressiva)", 
@@ -159,7 +202,7 @@ with gr.Blocks(title="Dublador Atuado com Bark + Groq") as demo:
 
     submit_btn.click(
         fn=process_dubbing_bark,
-        inputs=[video_input, voice_option],
+        inputs=[video_input, url_input, voice_option],
         outputs=[video_output, status_output]
     )