app.py

import streamlit as st  
import cv2  
import random  
import numpy as np  
import requests  
from PIL import Image  

# Функция для извлечения случайного кадра из видео  
def get_random_frame(video_file):  
    # Открываем видео файл  
    cap = cv2.VideoCapture(video_file)  
    # Получаем общее количество кадров  
    total_frames = int(cap.get(cv2.CAP_PROP_FRAME_COUNT))  
    
    # Генерируем случайный номер кадра  
    random_frame_number = random.randint(0, total_frames - 1)  
    
    # Устанавливаем указатель на случайный кадр  
    cap.set(cv2.CAP_PROP_POS_FRAMES, random_frame_number)  
    success, frame = cap.read()  
    
    # Закрываем видеопоток  
    cap.release()  
    
    if success:  
        return frame  
    else:  
        return None  

# Заголовок приложения  
st.title("Video to Text Converter")  

# Загрузка видеофайла  
uploaded_file = st.file_uploader("Загрузите видео файл...", type=["mp4", "avi"])  

if uploaded_file is not None:  
    # Извлечение случайного кадра из видео  
    frame = get_random_frame(uploaded_file)  
    
    if frame is not None:  
        # Отображение извлечённого кадра  
        st.image(cv2.cvtColor(frame, cv2.COLOR_BGR2RGB), caption='Случайный кадр', use_column_width=True)  
        
        # Сохранение временного изображения для отправки в модель  
        _, buffer = cv2.imencode('.png', frame)  
        image_data = buffer.tobytes()  

        # Обработка изображения с помощью модели  
        if st.button("Преобразовать в текст"):  
            # Здесь должен быть URL вашей модели  
            model_url = "https://api-inference.huggingface.co/models/nttdataspain/Image-To-Text-Lora-ViT"  
            headers = {"Authorization": "Bearer YOUR_HUGGINGFACE_API_TOKEN"}  # Замените на ваш токен  

            # Отправка запроса к модели  
            response = requests.post(  
                model_url,  
                headers=headers,  
                files={"file": image_data}  
            )  

            if response.status_code == 200:  
                # Отображаем сгенерированный текст  
                output_text = response.json().get("generated_text")  
                st.success(output_text)  
            else:  
                st.error("Ошибка при обработке изображения!")  
    else:  
        st.error("Не удалось извлечь кадр из видео.")