Delete video_processing.py

video_processing.py

@@ -1,191 +0,0 @@
-import os
-import random
-import glob
-import shutil
-import tempfile
-from concurrent.futures import ThreadPoolExecutor
-from moviepy.editor import (
-    AudioFileClip,
-    CompositeVideoClip,
-    ImageClip,
-    VideoFileClip,
-    concatenate_videoclips,
-    vfx,
-)
-from moviepy.video.tools.subtitles import SubtitlesClip
-import tqdm
-
-from sentence_transformers import SentenceTransformer, util
-
-# Khởi tạo model sentence transformer
-model = SentenceTransformer('all-MiniLM-L6-v2')
-
-# Tăng số lượng ảnh lên 30
-NUM_IMAGES = 30
-
-def add_transitions(clips, transition_duration=1):
-    """
-    Thêm hiệu ứng chuyển cảnh giữa các clip.
-    """
-    final_clips = []
-    for i, clip in enumerate(clips):
-        start_time = i * (clip.duration - transition_duration)
-        end_time = start_time + clip.duration
-
-        if i > 0:
-            # Tạo hiệu ứng fade in
-            fade_in = clip.fx(vfx.fadeout, duration=transition_duration)
-            fade_in = fade_in.set_start(start_time)
-            final_clips.append(fade_in)
-
-        if i < len(clips) - 1:
-            # Tạo hiệu ứng fade out
-            fade_out = clip.fx(vfx.fadein, duration=transition_duration)
-            fade_out = fade_out.set_end(end_time)
-            final_clips.append(fade_out)
-
-        # Thêm clip gốc
-        final_clips.append(clip.set_start(start_time).set_end(end_time))
-
-    return CompositeVideoClip(final_clips)
-
-def create_video(sentences, audio_files, video_files, output_path="output_video.mp4"):
-    """
-    Tạo video từ các câu, file âm thanh và file video.
-    """
-    clips = []
-    for sentence, audio_path, video_path in tqdm.tqdm(zip(sentences, audio_files, video_files), desc="Tạo video"):
-        audio = AudioFileClip(audio_path)
-        video = VideoFileClip(video_path).set_duration(audio.duration)
-        video = video.set_audio(audio)
-        clips.append(video)
-
-    final_video = concatenate_videoclips(clips, method="compose")
-    final_video.write_videofile(output_path, fps=24)
-    print(f"Đã tạo video: {output_path}")
-    return output_path
-
-def process_images_parallel(image_patch, clip_duration):
-    """
-    Xử lý song song các hình ảnh.
-    """
-    with ThreadPoolExecutor() as executor:
-        futures = []
-        for content, image_path in image_patch:
-            if image_path:
-                future = executor.submit(ImageClip, image_path)
-                futures.append((future, clip_duration))
-
-        clips = []
-        for future, duration in futures:
-            clip = future.result().set_duration(duration)
-            clips.append(clip)
-
-    return clips
-
-# Định nghĩa hàm extract_key_contents
-def extract_key_contents(script: str) -> list[str]:
-    """
-    Hàm này dùng để trích xuất các ý chính từ một đoạn script.
-
-    Tham số:
-    - script (str): Đoạn văn bản cần xử lý để trích xuất các ý chính.
-
-    Trả về:
-    - list[str]: Danh sách các câu được tách ra từ đoạn script.
-
-    Logic xử lý:
-    - Đầu tiên, đoạn script được tách thành các câu dựa trên dấu chấm ('.').
-    - Mỗi câu được xem như một ý chính và được thêm vào danh sách kết quả.
-    """
-    # Kiểm tra nếu script là chuỗi rỗng
-    if not script:
-        return []
-
-    # Tách đoạn script thành các câu dựa trên dấu chấm
-    sentences = script.split('.')
-
-    # Loại bỏ các khoảng trắng thừa và các câu rỗng
-    sentences = [sentence.strip() for sentence in sentences if sentence.strip()]
-
-    # Trả về danh sách các câu
-    return sentences
-
-
-def process_script_for_video(script, dataset_path, use_dataset):
-    """
-    Xử lý script để tạo video.
-    """
-    sentences = extract_key_contents(script)
-    return sentences
-
-def create_video_func(script, audio_path, dataset_path, use_dataset):
-    """
-    Hàm chính để tạo video.
-    """
-    try:
-        sentences = process_script_for_video(script, dataset_path, use_dataset)
-
-        # Tạo thư mục tạm thời để lưu các file âm thanh tách biệt
-        temp_dir = tempfile.mkdtemp()
-
-        # Tách file âm thanh thành các đoạn nhỏ
-        audio_clips = split_audio(audio_path, len(sentences), temp_dir)
-
-        # Lấy đường dẫn của các video từ dataset
-        video_files = glob.glob(os.path.join(dataset_path, "*.mp4")) if use_dataset else []
-
-        # Đảm bảo số lượng câu, âm thanh và video là bằng nhau
-        min_length = min(len(sentences), len(audio_clips), len(video_files))
-        sentences = sentences[:min_length]
-        audio_clips = audio_clips[:min_length]
-        video_files = video_files[:min_length]
-
-        output_path = "output_video.mp4"
-        create_video(sentences, audio_clips, video_files, output_path)
-
-        return output_path
-    except Exception as e:
-        print(f"Lỗi khi tạo video: {e}")
-        return None
-    finally:
-        # Xóa thư mục tạm thời
-        shutil.rmtree(temp_dir)
-
-def split_audio(audio_path, num_segments, output_dir):
-    """
-    Chia file âm thanh thành các đoạn nhỏ.
-    """
-    audio = AudioFileClip(audio_path)
-    duration = audio.duration
-    segment_duration = duration / num_segments
-
-    audio_clips = []
-    for i in range(num_segments):
-        start = i * segment_duration
-        end = (i + 1) * segment_duration
-        segment = audio.subclip(start, end)
-        output_path = os.path.join(output_dir, f"segment_{i}.mp3")
-        segment.write_audiofile(output_path)
-        audio_clips.append(output_path)
-
-    return audio_clips
-
-def find_matching_image(prompt, dataset_path, threshold=0.5):
-    """
-    Tìm kiếm hình ảnh phù hợp với prompt trong dataset.
-    """
-    prompt_embedding = model.encode(prompt, convert_to_tensor=True)
-    best_match = None
-    best_score = -1
-
-    for filename in os.listdir(dataset_path):
-        if filename.lower().endswith(('.png', '.jpg', '.jpeg')):
-            image_path = os.path.join(dataset_path, filename)
-            image_name = os.path.splitext(filename)[0].replace('_', ' ')
-            image_embedding = model.encode(image_name, convert_to_tensor=True)
-            cosine_score = util.pytorch_cos_sim(prompt_embedding, image_embedding).item()
-            if cosine_score > best_score and cosine_score >= threshold:
-                best_score = cosine_score
-                best_match = image_path
-    return best_match