app.py

# Script: Editor de Video con IA
# -----------------------------
# Descripción: 
# Este script crea una aplicación web con Gradio que permite a los usuarios:
# - Subir un video que será editado automáticamente
# - Agregar texto que será convertido a voz (TTS) usando edge-tts
# - Aplicar efectos de transición tipo "slide" cada 30 segundos exactos
# - Añadir música de fondo e intro/outro predefinidos
# - Descargar el video final procesado
#
# Requisitos:
# - Archivos necesarios: introvideo.mp4, outrovideo.mp4, musicafondo.mp3, ejemplo.mp4
# - Bibliotecas: moviepy, edge_tts, gradio, pydub
#
# Notas:
# - Las transiciones solo se aplican cada 30 segundos
# - El archivo final se elimina automáticamente después de 30 minutos
# - La voz puede seleccionarse entre español de España o México
import tempfile
import logging
import os
import asyncio
from moviepy.editor import *
import edge_tts
import gradio as gr
from pydub import AudioSegment

# Configuración de Logs
logging.basicConfig(level=logging.INFO, format="%(asctime)s - %(levelname)s - %(message)s")

# CONSTANTES DE ARCHIVOS
INTRO_VIDEO = "introvideo.mp4"
OUTRO_VIDEO = "outrovideo.mp4"
MUSIC_BG = "musicafondo.mp3"
EJEMPLO_VIDEO = "ejemplo.mp4"

# Validar existencia de archivos
for file in [INTRO_VIDEO, OUTRO_VIDEO, MUSIC_BG, EJEMPLO_VIDEO]:
    if not os.path.exists(file):
        logging.error(f"Falta archivo necesario: {file}")
        raise FileNotFoundError(f"Falta: {file}")

# Configuración de chunks
SEGMENT_DURATION = 30  # Duración exacta entre transiciones (sin overlap)
TRANSITION_DURATION = 1.5  # Duración del efecto slide

def eliminar_archivo_tiempo(ruta, delay=1800):
    def eliminar():
        try:
            if os.path.exists(ruta):
                os.remove(ruta)
                logging.info(f"Archivo eliminado: {ruta}")
        except Exception as e:
            logging.error(f"Error al eliminar {ruta}: {e}")
    from threading import Timer
    Timer(delay, eliminar).start()

async def generar_tts(texto, voz, duracion_total):
    try:
        logging.info("Generando TTS")
        communicate = edge_tts.Communicate(texto, voz)
        with tempfile.NamedTemporaryFile(delete=False, suffix=".mp3") as tmp_tts:
            await communicate.save(tmp_tts.name)
            tts_audio = AudioFileClip(tmp_tts.name)
            
            # Asegurar que el TTS no exceda la duración del video
            if tts_audio.duration > duracion_total:
                tts_audio = tts_audio.subclip(0, duracion_total)
                
            return tts_audio, tmp_tts.name
    except Exception as e:
        logging.error(f"Fallo en TTS: {str(e)}")
        raise

def crear_musica_fondo(duracion_total):
    bg_music = AudioSegment.from_mp3(MUSIC_BG)
    needed_ms = int(duracion_total * 1000)
    repeticiones = needed_ms // len(bg_music) + 1
    bg_music = bg_music * repeticiones
    bg_music = bg_music[:needed_ms].fade_out(1000)
    
    with tempfile.NamedTemporaryFile(delete=False, suffix=".mp3") as tmp_bg:
        bg_music.export(tmp_bg.name, format="mp3")
        return AudioFileClip(tmp_bg.name).volumex(0.15), tmp_bg.name

def create_slide_transition(clip1, clip2, duration=TRANSITION_DURATION):
    """Transición slide con movimiento más pronunciado"""
    # Tomar la última parte del clip1 y la primera parte del clip2
    part1 = clip1.subclip(clip1.duration - duration)
    part2 = clip2.subclip(0, duration)
    
    # Crear animación de deslizamiento
    transition = CompositeVideoClip([
        part1.fx(vfx.fadeout, duration),
        part2.fx(vfx.fadein, duration).set_position(
            lambda t: ('center', 720 - (720 * (t/duration)))  # Movimiento desde abajo
        )
    ], size=(1280, 720)).set_duration(duration)
    
    return transition

async def procesar_video(video_input, texto_tts, voz_seleccionada):
    temp_files = []
    intro, outro, video_original = None, None, None
    try:
        logging.info("Iniciando procesamiento")
        video_original = VideoFileClip(video_input, target_resolution=(720, 1280))
        duracion_video = video_original.duration
        
        # Generar TTS y música de fondo
        tts_audio, tts_path = await generar_tts(texto_tts, voz_seleccionada, duracion_video)
        bg_audio, bg_path = crear_musica_fondo(duracion_video)
        temp_files.extend([tts_path, bg_path])
        
        # Combinar audios
        audio_original = video_original.audio.volumex(0.7) if video_original.audio else None
        audios = [bg_audio.set_duration(duracion_video)]
        if audio_original:
            audios.append(audio_original)
        audios.append(tts_audio.set_start(0).volumex(0.85))
        audio_final = CompositeAudioClip(audios).set_duration(duracion_video)
        
        # CORRECCIÓN: Simplificar la creación de segmentos y transiciones
        # Dividir el video en segmentos exactos de 30 segundos y aplicar transiciones solo en esos puntos
        
        # Crear un único clip con todo el contenido, con transiciones solo cada 30 segundos
        video_final = video_original.copy()
        
        # Si es necesario, realizar cortes y transiciones cada 30 segundos
        if duracion_video > SEGMENT_DURATION:
            clips = []
            num_segments = int(duracion_video // SEGMENT_DURATION) + (1 if duracion_video % SEGMENT_DURATION > 0 else 0)
            
            for i in range(num_segments):
                start_time = i * SEGMENT_DURATION
                end_time = min(start_time + SEGMENT_DURATION, duracion_video)
                
                # Obtener segmento actual
                segment = video_original.subclip(start_time, end_time)
                
                # Para el primer segmento, solo añadirlo al resultado
                if i == 0:
                    clips.append(segment)
                else:
                    # Para los demás segmentos, añadir transición
                    prev_segment = clips[-1]
                    # Crear transición entre segmentos
                    transition = create_slide_transition(prev_segment, segment)
                    
                    # Recortar el segmento anterior para que termine justo antes de la transición
                    prev_end = prev_segment.duration - TRANSITION_DURATION
                    if prev_end > 0:
                        clips[-1] = prev_segment.subclip(0, prev_end)
                    
                    # Añadir la transición
                    clips.append(transition)
                    
                    # Añadir el segmento actual, empezando después de la transición
                    clips.append(segment)
            
            # Combinar todos los clips
            video_final = concatenate_videoclips(clips, method="compose")
        
        # Establecer el audio final
        video_final = video_final.set_audio(audio_final)
        
        # Agregar intro y outro
        intro = VideoFileClip(INTRO_VIDEO, target_resolution=(720, 1280))
        outro = VideoFileClip(OUTRO_VIDEO, target_resolution=(720, 1280))
        video_final = concatenate_videoclips([intro, video_final, outro], method="compose")
        
        # Renderizado final
        with tempfile.NamedTemporaryFile(suffix=".mp4", delete=False) as tmp:
            video_final.write_videofile(
                tmp.name,
                codec="libx264",
                audio_codec="aac",
                fps=24,
                threads=2,
                bitrate="3M",
                ffmpeg_params=[
                    "-preset", "ultrafast",
                    "-crf", "28",
                    "-movflags", "+faststart",
                    "-vf", "scale=1280:720"
                ],
                verbose=False
            )
            eliminar_archivo_tiempo(tmp.name, 1800)
            logging.info(f"Video final guardado: {tmp.name}")
            return tmp.name
            
    except Exception as e:
        logging.error(f"Fallo general: {str(e)}")
        raise
    finally:
        try:
            if video_original:
                video_original.close()
            if intro:
                intro.close()
            if outro:
                outro.close()
            for file in temp_files:
                try:
                    os.remove(file)
                except Exception as e:
                    logging.warning(f"Error limpiando {file}: {e}")
        except Exception as e:
            logging.warning(f"Error al cerrar recursos: {str(e)}")

# Interfaz Gradio
with gr.Blocks() as demo:
    gr.Markdown("# Editor de Video con IA")
    
    with gr.Tab("Principal"):
        video_input = gr.Video(label="Subir video")
        texto_tts = gr.Textbox(
            label="Texto para TTS",
            lines=3,
            placeholder="Escribe aquí tu texto..."
        )
        voz_seleccionada = gr.Dropdown(
    label="Voz",
    choices=[
        "es-ES-AlvaroNeural", "es-MX-BeatrizNeural", 
        "es-ES-ElviraNeural", "es-MX-JavierNeural", 
        "es-AR-ElenaNeural", "es-AR-TomasNeural", 
        "es-CL-CatalinaNeural", "es-CL-LorenzoNeural", 
        "es-CO-SofiaNeural", "es-CO-GonzaloNeural", 
        "es-PE-CamilaNeural", "es-PE-AlexNeural", 
        "es-VE-MariaNeural", "es-VE-ManuelNeural", 
        "es-US-AlonsoNeural", "es-US-PalomaNeural", 
        "es-ES-AbrilNeural", "es-ES-DarioNeural", 
        "es-ES-HelenaRUS", "es-ES-LauraNeural", 
        "es-ES-PabloNeural", "es-ES-TriniNeural", 
        "en-US-AriaNeural", "en-US-GuyNeural", 
        "en-US-JennyNeural", "en-US-AmberNeural", 
        "en-US-AnaNeural", "en-US-AshleyNeural", 
        "en-US-BrandonNeural", "en-US-ChristopherNeural", 
        "en-US-CoraNeural", "en-US-DavisNeural", 
        "en-US-ElizabethNeural", "en-US-EricNeural", 
        "en-US-GinaNeural", "en-US-JacobNeural", 
        "en-US-JaneNeural", "en-US-JasonNeural", 
        "en-US-MichelleNeural", "en-US-MonicaNeural", 
        "en-US-SaraNeural", "en-US-SteffanNeural", 
        "en-US-TonyNeural", "en-US-YaraNeural", 
        "fr-FR-AlainNeural", "fr-FR-BrigitteNeural", 
        "fr-FR-CelesteNeural", "fr-FR-ClaudeNeural", 
        "fr-FR-CoralieNeural", "fr-FR-DeniseNeural", 
        "fr-FR-EloiseNeural", "fr-FR-HenriNeural", 
        "fr-FR-JacquelineNeural", "fr-FR-JeromeNeural", 
        "fr-FR-JosephineNeural", "fr-FR-MauriceNeural", 
        "fr-FR-YvesNeural", "fr-FR-YvetteNeural", 
        "de-DE-AmalaNeural", "de-DE-BerndNeural", 
        "de-DE-ChristophNeural", "de-DE-ConradNeural", 
        "de-DE-ElkeNeural", "de-DE-GiselaNeural", 
        "de-DE-KasperNeural", "de-DE-KatjaNeural", 
        "de-DE-KillianNeural", "de-DE-KlarissaNeural", 
        "de-DE-KlausNeural", "de-DE-LouisaNeural", 
        "de-DE-MajaNeural", "de-DE-RalfNeural", 
        "de-DE-TanjaNeural", "de-DE-ViktoriaNeural", 
        "it-IT-BenignoNeural", "it-IT-CalimeroNeural", 
        "it-IT-CataldoNeural", "it-IT-DiegoNeural", 
        "it-IT-ElsaNeural", "it-IT-FabiolaNeural", 
        "it-IT-GianniNeural", "it-IT-ImeldaNeural", 
        "it-IT-IrmaNeural", "it-IT-IsabellaNeural", 
        "it-IT-LisandroNeural", "it-IT-PalmiraNeural", 
        "it-IT-PierinaNeural", "it-IT-RinaldoNeural", 
        "ja-JP-AoiNeural", "ja-JP-DaichiNeural", 
        "ja-JP-HarukaNeural", "ja-JP-KeitaNeural", 
        "ja-JP-MayuNeural", "ja-JP-NanamiNeural", 
        "ja-JP-NaokiNeural", "ja-JP-ShioriNeural"
    ],
    value="es-ES-AlvaroNeural"
)
        procesar_btn = gr.Button("Generar Video")
        video_output = gr.Video(label="Video Procesado")
    
    with gr.Accordion("Ejemplos de Uso", open=False):
        gr.Examples(
            examples=[[EJEMPLO_VIDEO, "¡Hola! Esto es una prueba. Suscríbete al canal."]],
            inputs=[video_input, texto_tts],
            label="Ejemplos"
        )

    procesar_btn.click(
        procesar_video,
        inputs=[video_input, texto_tts, voz_seleccionada],
        outputs=video_output
    )

if __name__ == "__main__":
    demo.queue().launch()