Optimizado modelos de video para ZeroGPU - Removidos modelos no verificados, agregado mejor manejo de errores y fallback confiable

app.py

@@ -121,23 +121,18 @@ MODELS = {
         "CompVis/ldm-text2im-large-256": "Latent Diffusion Model 256"
     },
     "video": {
-        # ⚡ Modelos Rápidos (Optimizados para ZeroGPU)
+        # ⚡ Modelos Rápidos (Verificados y Funcionales)
         "ByteDance/AnimateDiff-Lightning": "⚡ AnimateDiff Lightning (Más rápido)",
         "cerspense/zeroscope_v2_576w": "⚡ Zeroscope v2 576w (Rápido)",
-        "ali-vilab/text-to-video-ms-1.7b": "⚡ Text-to-Video MS 1.7B (Rápido)",
+        "damo-vilab/text-to-video-ms-1.7b": "⚡ Text-to-Video MS 1.7B (Rápido)",
         
-        # 🎬 Modelos Estándar (Balance velocidad/calidad)
-        "zai-org/CogVideoX-5b": "🎬 CogVideoX 5B (Alta calidad)",
-        "rain1011/pyramid-flow-sd3": "🎬 Pyramid Flow SD3 (Experimental)",
+        # 🎬 Modelos Estándar (Verificados)
         "cerspense/zeroscope_v2_XL": "🎬 Zeroscope v2 XL (Alta calidad)",
         
-        # 🌟 Modelos de Alta Calidad (Verificados)
-        "Wan-AI/Wan2.1-T2V-14B-Diffusers": "🌟 Wan2.1 T2V 14B (Máxima calidad)",
-        "genmo/mochi-1-preview": "🌟 Mochi 1 Preview (Alta calidad)",
-        "tencent/HunyuanVideo": "🌟 HunyuanVideo (Alta calidad)",
+        # 🌟 Modelos de Alta Calidad (Solo los verificados)
+        "Wan-AI/Wan2.1-T2V-14B-Diffusers": "🌟 Wan2.1 T2V 14B (Máxima calidad - Requiere mucho espacio)",
         
-        # 🔄 Modelos Experimentales
-        "stepfun-ai/stepvideo-t2v": "🔄 StepVideo T2V (Experimental)",
+        # 🔄 Modelos Experimentales (Verificados)
         "ali-vilab/modelscope-damo-text-to-video-synthesis": "🔄 ModelScope Text-to-Video (Experimental)"
     },
     "chat": {
@@ -556,29 +551,44 @@ def load_video_model(model_name):
             fast_models = [
                 "ByteDance/AnimateDiff-Lightning",
                 "cerspense/zeroscope_v2_576w",
-                "ali-vilab/text-to-video-ms-1.7b"
+                "damo-vilab/text-to-video-ms-1.7b"
             ]
             
             # Configuración específica por tipo de modelo
             if "wan2.1-t2v-14b" in model_name.lower():
-                # Wan2.1 T2V 14B - Modelo de alta calidad
-                from diffusers import AutoencoderKLWan, WanPipeline
-                print("🌟 Cargando Wan2.1 T2V 14B (modelo de alta calidad)")
+                # Wan2.1 T2V 14B - Modelo de alta calidad (MUY GRANDE)
+                print("⚠️ ADVERTENCIA: Wan2.1 T2V 14B es un modelo muy grande (50GB+)")
+                print("⚠️ Puede agotar la cuota de ZeroGPU rápidamente")
+                print("🌟 Cargando Wan2.1 T2V 14B (modelo de alta calidad)...")
                 
-                # Cargar VAE específico para Wan
-                vae = AutoencoderKLWan.from_pretrained(
-                    model_name, 
-                    subfolder="vae", 
-                    torch_dtype=torch.float32
-                )
-                
-                # Cargar pipeline Wan
-                pipe = WanPipeline.from_pretrained(
-                    model_name, 
-                    vae=vae, 
-                    torch_dtype=torch.bfloat16 if torch.cuda.is_available() else torch.float32
-                )
-                print("✅ Wan2.1 T2V 14B cargado exitosamente")
+                try:
+                    from diffusers import AutoencoderKLWan, WanPipeline
+                    
+                    # Cargar VAE específico para Wan
+                    vae = AutoencoderKLWan.from_pretrained(
+                        model_name, 
+                        subfolder="vae", 
+                        torch_dtype=torch.float32
+                    )
+                    
+                    # Cargar pipeline Wan
+                    pipe = WanPipeline.from_pretrained(
+                        model_name, 
+                        vae=vae, 
+                        torch_dtype=torch.bfloat16 if torch.cuda.is_available() else torch.float32
+                    )
+                    print("✅ Wan2.1 T2V 14B cargado exitosamente")
+                except Exception as e:
+                    print(f"❌ Error cargando Wan2.1: {e}")
+                    print("🔄 Fallback a modelo rápido...")
+                    # Fallback a modelo rápido
+                    from diffusers import DiffusionPipeline
+                    pipe = DiffusionPipeline.from_pretrained(
+                        "damo-vilab/text-to-video-ms-1.7b",
+                        torch_dtype=torch_dtype,
+                        variant="fp16" if use_fp16 else None
+                    )
+                    print("✅ Fallback exitoso con modelo rápido")
                 
             elif "animatediff-lightning" in model_name.lower():
                 # AnimateDiff Lightning - Modelo más rápido
@@ -590,28 +600,6 @@ def load_video_model(model_name):
                 )
                 print("⚡ Cargando AnimateDiff Lightning (modelo rápido)")
                 
-            elif "mochi-1-preview" in model_name.lower():
-                # Mochi 1 Preview - Modelo grande
-                from diffusers import DiffusionPipeline
-                pipe = DiffusionPipeline.from_pretrained(
-                    model_name,
-                    torch_dtype=torch_dtype,
-                    variant="fp16" if use_fp16 else None,
-                    low_cpu_mem_usage=True
-                )
-                print("🌟 Cargando Mochi 1 Preview (modelo grande)")
-                
-            elif "hunyuanvideo" in model_name.lower():
-                # HunyuanVideo - Modelo grande
-                from diffusers import DiffusionPipeline
-                pipe = DiffusionPipeline.from_pretrained(
-                    model_name,
-                    torch_dtype=torch_dtype,
-                    variant="fp16" if use_fp16 else None,
-                    low_cpu_mem_usage=True
-                )
-                print("🌟 Cargando HunyuanVideo (modelo grande)")
-                
             elif "zeroscope" in model_name.lower():
                 # Zeroscope models - Optimizados para velocidad
                 from diffusers import DiffusionPipeline
@@ -622,55 +610,36 @@ def load_video_model(model_name):
                 )
                 print("⚡ Cargando Zeroscope (modelo rápido)")
                 
-            elif "text-to-video" in model_name.lower():
-                # Text-to-video models
+            elif "text-to-video-ms-1.7b" in model_name.lower():
+                # Text-to-video MS 1.7B - Modelo rápido y confiable
                 from diffusers import DiffusionPipeline
                 pipe = DiffusionPipeline.from_pretrained(
                     model_name,
                     torch_dtype=torch_dtype,
                     variant="fp16" if use_fp16 else None
                 )
-                print("🎬 Cargando Text-to-Video model")
+                print("⚡ Cargando Text-to-Video MS 1.7B (modelo rápido)")
                 
-            elif "cogvideox" in model_name.lower():
-                # CogVideoX models
+            elif "modelscope-damo" in model_name.lower():
+                # ModelScope Text-to-Video - Experimental
                 from diffusers import DiffusionPipeline
                 pipe = DiffusionPipeline.from_pretrained(
                     model_name,
                     torch_dtype=torch_dtype,
                     variant="fp16" if use_fp16 else None
                 )
-                print("🎬 Cargando CogVideoX model")
-                
-            elif "pyramid-flow" in model_name.lower():
-                # Pyramid Flow models
-                from diffusers import DiffusionPipeline
-                pipe = DiffusionPipeline.from_pretrained(
-                    model_name,
-                    torch_dtype=torch_dtype,
-                    variant="fp16" if use_fp16 else None
-                )
-                print("🎬 Cargando Pyramid Flow model")
-                
-            elif "stepvideo" in model_name.lower():
-                # StepVideo models
-                from diffusers import DiffusionPipeline
-                pipe = DiffusionPipeline.from_pretrained(
-                    model_name,
-                    torch_dtype=torch_dtype,
-                    variant="fp16" if use_fp16 else None
-                )
-                print("🔄 Cargando StepVideo model (experimental)")
+                print("🔄 Cargando ModelScope Text-to-Video (experimental)")
                 
             else:
-                # Fallback a text-to-video genérico
+                # Fallback a modelo rápido y confiable
+                print("🔄 Modelo no reconocido, usando fallback...")
                 from diffusers import DiffusionPipeline
                 pipe = DiffusionPipeline.from_pretrained(
-                    model_name,
+                    "damo-vilab/text-to-video-ms-1.7b",
                     torch_dtype=torch_dtype,
                     variant="fp16" if use_fp16 else None
                 )
-                print("🎬 Cargando modelo genérico")
+                print("✅ Fallback exitoso con modelo rápido")
             
             # Optimizaciones para H200 y ZeroGPU
             print("🔧 Aplicando optimizaciones para H200...")
@@ -814,18 +783,28 @@ def generate_video(prompt, model_name, num_frames=16, num_inference_steps=20):
             )
             print("✅ Video AnimateDiff Lightning generado")
             
-        elif "text-to-video" in model_name.lower():
-            # Text-to-video models - Configuración estándar
+        elif "text-to-video-ms-1.7b" in model_name.lower():
+            # Text-to-video MS 1.7B - Modelo rápido y confiable
+            result = pipeline(
+                prompt,
+                num_inference_steps=optimized_steps,
+                num_frames=optimized_frames,
+                guidance_scale=7.5
+            )
+            print("✅ Video Text-to-Video MS 1.7B generado")
+            
+        elif "modelscope-damo" in model_name.lower():
+            # ModelScope Text-to-Video - Experimental
             result = pipeline(
                 prompt,
                 num_inference_steps=optimized_steps,
                 num_frames=optimized_frames,
                 guidance_scale=7.5
             )
-            print("✅ Video Text-to-Video generado")
+            print("✅ Video ModelScope generado")
             
         else:
-            # Configuración genérica
+            # Configuración genérica para fallback
             result = pipeline(
                 prompt,
                 num_inference_steps=optimized_steps,
@@ -1562,7 +1541,7 @@ with gr.Blocks(title="Modelos Libres de IA", theme=gr.themes.Soft()) as demo:
                 with gr.Column():
                     video_model = gr.Dropdown(
                         choices=list(MODELS["video"].keys()),
-                        value="ByteDance/AnimateDiff-Lightning",  # Modelo más rápido por defecto
+                        value="damo-vilab/text-to-video-ms-1.7b",  # Modelo más confiable por defecto
                         label="Modelo de Video",
                         info="⚡ Modelos marcados son más rápidos"
                     )
@@ -1598,9 +1577,9 @@ with gr.Blocks(title="Modelos Libres de IA", theme=gr.themes.Soft()) as demo:
                 with gr.Column():
                     # Información del modelo
                     video_model_info = gr.Markdown(
-                        value="**Modelo:** ByteDance/AnimateDiff-Lightning\n\n"
-                              "⚡ AnimateDiff Lightning • Frames recomendados: 8-16 • "
-                              "Pasos recomendados: 10-20 • Velocidad: Muy rápida\n\n"
+                        value="**Modelo:** damo-vilab/text-to-video-ms-1.7b\n\n"
+                              "⚡ Text-to-Video MS 1.7B • Frames recomendados: 8-16 • "
+                              "Pasos recomendados: 10-20 • Velocidad: Rápida\n\n"
                               "**Estado:** ✅ Disponible • **Optimizado para ZeroGPU**"
                     )
                     
@@ -1629,14 +1608,9 @@ with gr.Blocks(title="Modelos Libres de IA", theme=gr.themes.Soft()) as demo:
                 model_descriptions = {
                     "ByteDance/AnimateDiff-Lightning": "⚡ AnimateDiff Lightning • Frames recomendados: 8-16 • Pasos recomendados: 10-20 • Velocidad: Muy rápida",
                     "cerspense/zeroscope_v2_576w": "⚡ Zeroscope v2 576w • Frames recomendados: 8-16 • Pasos recomendados: 10-20 • Velocidad: Rápida",
-                    "ali-vilab/text-to-video-ms-1.7b": "⚡ Text-to-Video MS 1.7B • Frames recomendados: 8-16 • Pasos recomendados: 10-20 • Velocidad: Rápida",
-                    "zai-org/CogVideoX-5b": "🎬 CogVideoX 5B • Frames recomendados: 12-24 • Pasos recomendados: 20-30 • Velocidad: Media",
-                    "rain1011/pyramid-flow-sd3": "🎬 Pyramid Flow SD3 • Frames recomendados: 12-24 • Pasos recomendados: 20-30 • Velocidad: Media",
+                    "damo-vilab/text-to-video-ms-1.7b": "⚡ Text-to-Video MS 1.7B • Frames recomendados: 8-16 • Pasos recomendados: 10-20 • Velocidad: Rápida",
                     "cerspense/zeroscope_v2_XL": "🎬 Zeroscope v2 XL • Frames recomendados: 12-24 • Pasos recomendados: 20-30 • Velocidad: Media",
-                    "Wan-AI/Wan2.1-T2V-14B-Diffusers": "🌟 Wan2.1 T2V 14B • Frames recomendados: 16-32 • Pasos recomendados: 25-40 • Velocidad: Lenta • Resolución: 480P/720P",
-                    "genmo/mochi-1-preview": "🌟 Mochi 1 Preview • Frames recomendados: 16-32 • Pasos recomendados: 25-40 • Velocidad: Lenta",
-                    "tencent/HunyuanVideo": "🌟 HunyuanVideo • Frames recomendados: 16-32 • Pasos recomendados: 25-40 • Velocidad: Lenta",
-                    "stepfun-ai/stepvideo-t2v": "🔄 StepVideo T2V • Frames recomendados: 8-16 • Pasos recomendados: 15-25 • Velocidad: Experimental",
+                    "Wan-AI/Wan2.1-T2V-14B-Diffusers": "🌟 Wan2.1 T2V 14B • Frames recomendados: 16-32 • Pasos recomendados: 25-40 • Velocidad: Lenta • ⚠️ Requiere mucho espacio (50GB+)",
                     "ali-vilab/modelscope-damo-text-to-video-synthesis": "🔄 ModelScope Text-to-Video • Frames recomendados: 8-16 • Pasos recomendados: 15-25 • Velocidad: Experimental"
                 }