import gradio as gr
from transformers import pipeline
import cv2
from PIL import Image
import io

def video_to_descriptions(video):
    # Charger le modèle via pipeline
    ImgToText = pipeline("image-to-text", model="Salesforce/blip-image-captioning-large")
    Summarize = pipeline("summarization", model="tuner007/pegasus_summarizer")
    
    # Ouvrir la vidéo
    cap = cv2.VideoCapture(video)  # Ici, nous avons retiré ".name"
    fps = int(cap.get(cv2.CAP_PROP_FPS))
    
    descriptions = []
    frame_count = 0
    
    while True:
        ret, frame = cap.read()
        if not ret:
            break
        
        # Extraire une image toutes les demi-secondes
        if frame_count % (fps * 2) == 0:
            # Convertir l'image en RGB
            frame_rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
            # Convertir le tableau numpy en une image PIL
            pil_img = Image.fromarray(frame_rgb)
            # Obtenir la description de l'image
            outputs = ImgToText(pil_img)
            print(outputs[0])  # Imprimer la sortie pour voir les clés disponibles
            description = outputs[0]['generated_text']  # Ceci provoquera une erreur tant que la clé correcte n'est pas utilisée
            descriptions.append(description)
        
        frame_count += 1

    # Fermer le lecteur vidéo
    cap.release()

    # Concaténer les descriptions
    concatenated_descriptions = " ".join(descriptions)
    concatenated_descriptions = Summarize(concatenated_descriptions)
    
    return concatenated_descriptions

iface = gr.Interface(
    fn=video_to_descriptions,
    inputs=gr.Video(type="file", label="Importez une vidéo"),
    outputs="text",
    live=False
)

if __name__ == "__main__":
    iface.launch()