sanford

prompt = """私は小説の内容をシーンに分割し、原文の説明に基づいて推論されたシーンを作成したいと思います。推論と補完が必要な欠落または暗示された情報には、人物の服装、髪型、髪色、顔色、顔の特徴、体型、感情、肢体動作などが含まれます。また、スタイルの説明（年代、空間、時間帯、地理環境、天候の説明など）、物品の説明（動物、植物、食べ物、果物、おもちゃなど）、画面の視点（人物の比率、カメラの深度、観察角度の説明など）も含まれますが、過度にならないようにしてください。カメラの言語を使って、より豊かな人物の感情と感情状態を描写し、理解した後に新しい説明内容を生成してください。出力形式は次のように変更してください：イラスト1：原文の説明：対応する原文のすべての文；画面の説明：対応する画面のストーリー内容；画面のキャラクター：画面に登場するキャラクターの名前；服装：主人公はカジュアルな服装；位置：バーカウンターの前に座っている；表情：顔のラインは穏やかで、表情は心地よい；行動：手に持っている酒杯を軽く揺らしている。環境：バーカウンターの背景は暗いトーンで、キャンドルの光が背景で揺らめき、幻想的な雰囲気を与えています。この要件を理解した場合は、この5つの要件を確認し、結果としてこの5つの内容のみを返してください。小説の内容は以下の通りです:"""

def split_text_into_chunks(text, max_length=ai_max_length):
    """
    テキストを最大長でチャンクに分割し、行の区切りでのみ分割が行われるようにします。
    """
    lines = text.splitlines()
    chunks = []
    current_chunk = ''
    for line in lines:
        if len(current_chunk + ' ' + line) <= max_length:
            current_chunk += ' ' + line
        else:
            chunks.append(current_chunk)
            current_chunk = line
    chunks.append(current_chunk)
    return chunks

def rewrite_text_with_genai(text, prompt="このテキストを書き直してください:"):
    chunks = split_text_into_chunks(text)
    rewritten_text = ''
    # pbar = tqdm(total=len(chunks), ncols=150)
    genai.configure(api_key=cfg['genai_api_key'])
    model = genai.GenerativeModel('gemini-pro')
    for chunk in chunks:
        _prompt=f"{prompt}\n{chunk}",
        response = model.generate_content(
            contents=_prompt, 
            generation_config=genai.GenerationConfig(
                temperature=0.1,
            ),
            stream=True,
            safety_settings = [
                {
                    "category": "HARM_CATEGORY_DANGEROUS",
                    "threshold": "BLOCK_NONE",
                },
                {
                    "category": "HARM_CATEGORY_HARASSMENT",
                    "threshold": "BLOCK_NONE",
                },
                {
                    "category": "HARM_CATEGORY_HATE_SPEECH",
                    "threshold": "BLOCK_NONE",
                },
                {
                    "category": "HARM_CATEGORY_SEXUALLY_EXPLICIT",
                    "threshold": "BLOCK_NONE",
                },
                {
                    "category": "HARM_CATEGORY_DANGEROUS_CONTENT",
                    "threshold": "BLOCK_NONE",
                },
            ]
        )
        for _chunk in response:
            if _chunk.text is not None:
                rewritten_text += _chunk.text.strip()
    #     pbar.update(1)
    # pbar.close()
    return rewritten_text

from diffusers import StableDiffusionPipeline
from diffusers.utils import load_image
import torch



model_path = "./models/cetusMix_Whalefall2.safetensors"
pipeline = StableDiffusionPipeline.from_single_file(
    model_path,
    torch_dtype=torch.float16,
    variant="fp16"
    ).to("mps")
generator = torch.Generator("mps").manual_seed(31)

def sd_cetus(save_name, prompt):
    prompt = prompt
    image = pipeline(prompt).images[0]
    image.save('data/img/'+ save_name +'.jpg')

import edge_tts
import asyncio



voice = 'zh-CN-YunxiNeural'
output = 'data/voice/'
rate = '-4%'
volume = '+0%'

async def tts_function(text, save_name):
    tts = edge_tts.Communicate(
        text,
        voice=voice,
        rate=rate,
        volume=volume
        )
    await tts.save(output + save_name + '.wav')