Update app.py

app.py

@@ -1,22 +1,24 @@
-import os
-os.environ["CUDA_VISIBLE_DEVICES"] = "-1"  # Désactiver l'utilisation des GPU
 import tensorflow as tf
 import numpy as np
 import cv2
 import gradio as gr
 
-# Charger le modèle générateur sans compiler
-generator = tf.keras.models.load_model('generator.h5', compile=False)  # Charger sans compilation
+# Charger le modèle sans compilation (pour éviter les erreurs liées à batch_shape)
+try:
+    generator = tf.keras.models.load_model('generator.h5', compile=False)  # Charger sans compilation
+except ValueError as e:
+    print("Erreur lors du chargement du modèle, vérifier batch_shape.")
+    print(e)
 
-# Génération de vidéos à partir de bruit aléatoire
+# Fonction pour générer une vidéo à partir d'un bruit aléatoire
 def generate_video():
     # Générer un bruit aléatoire (entrée pour le générateur)
-    noise = np.random.normal(0, 1, (1, 16, 64, 64, 3))
-    generated_video = generator.predict(noise)  # Génération de la vidéo
+    noise = np.random.normal(0, 1, (1, 16, 64, 64, 3))  # Exemple de bruit pour 16 frames de 64x64x3
+    generated_video = generator.predict(noise)  # Générer la vidéo
 
     # Normaliser les données générées
     video = (generated_video[0] * 255).astype(np.uint8)  # Convertir en entier 8 bits
-    filename = "generated_video.mp4"
+    filename = "/content/generated_video.mp4"
     
     # Sauvegarder la vidéo
     fourcc = cv2.VideoWriter_fourcc(*'mp4v')  # Codec vidéo