当前位置：首页 > article >正文

实战二：开发网页端界面完成黑白视频转为彩色视频

article 2025/8/15 4:38:08

一、需求描述

设计一个简单的视频上色应用，用户可以通过网页界面上传黑白视频，系统会自动将其转换为彩色视频。整个过程对用户来说非常简单直观，不需要了解技术细节。

效果图

二、实现思路

总体思路：

用户通过Gradio界面上传黑白视频
视频被传递给video_colorize函数
函数使用ModelScope平台提供的UNet模型进行视频上色
处理后的视频路径被返回给Gradio界面
Gradio界面显示上色后的视频

2.1 导入依赖库

import gradio as gr
import os
import torch
import tempfile
from modelscope.outputs import OutputKeys
from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks

gradio: 用于创建Web界面的库，可以快速构建机器学习模型的演示界面
os: Python标准库，用于处理文件和目录操作
torch: PyTorch深度学习框架
tempfile: Python标准库，用于处理临时文件和目录
modelscope: 阿里云开源的模型即服务框架，提供了大量预训练模型
- OutputKeys: 定义了模型输出的标准键名
- pipeline: 用于创建模型推理管道
- Tasks: 定义了支持的任务类型

2.2 安全设置和临时目录配置

# 添加安全全局变量设置
torch.serialization.add_safe_globals([slice])
# 设置临时目录
temp_dir = "D:/condaLearning/temp"
os.makedirs(temp_dir, exist_ok=True)
tempfile.tempdir = temp_dir

torch.serialization.add_safe_globals: 添加安全的全局变量，用于模型加载
os.makedirs: 创建临时目录
- exist_ok=True表示如果目录已存在则不报错
tempfile.tempdir: 设置临时文件的默认目录

2.3 视频上色video_colorize函数

def video_colorize(input_video):# 在临时目录中创建输出文件路径output_video_path = os.path.join(temp_dir, 'colored_video.mp4')# 创建视频上色管道colorizer = pipeline(Tasks.video_colorization, model='damo/cv_unet_video-colorization', device='cuda')# 进行视频上色result = colorizer(input_video)# 返回处理后的视频路径return result[OutputKeys.OUTPUT_VIDEO]

os.path.join：该函数用于将多个路径组合成为输出文件的路径output_video_path，该路径为D:/condaLearning/temp/colored_video.mp4
pipeline: 创建模型推理管道
- Tasks.video_colorization: 指定任务类型为视频上色
- model='damo/cv_unet_video-colorization': 使用ModelScope中的视频上色模型damo/cv_unet_video-colorization
- device='cuda': 使用GPU进行推理
colorizer(input_video): 执行视频上色
result[OutputKeys.OUTPUT_VIDEO]: 获取处理后的视频路径

2.4 Gradio界面创建

# 创建Gradio界面
demo = gr.Interface(fn=video_colorize,inputs=gr.Video(label="上传黑白视频"),outputs=gr.Video(label="上色后的视频"),
)

gr.Interface: 调用Gradio的Interface类，来创建Gradio界面
- fn=video_colorize: 指定处理函数为video_colorize
- inputs=gr.Video: 使用视频上传组件，标签为"上传黑白视频"
- outputs=gr.Video: 使用视频显示组件，标签为"上色后的视频"

2.5 启动应用

if __name__ == "__main__":demo.launch(share=False)

demo.launch: 启动Gradio服务器
- share=False: 不创建公共链接，只在本地运行

三、完整代码

import gradio as gr
import os
import torch
import tempfile
from modelscope.outputs import OutputKeys
from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks# 添加安全全局变量设置
torch.serialization.add_safe_globals([slice])# 设置临时目录
temp_dir = "D:/condaLearning/temp"
os.makedirs(temp_dir, exist_ok=True)
tempfile.tempdir = temp_dir# 定义视频上色函数
def video_colorize(input_video):# 在临时目录中创建输出文件路径output_video_path = os.path.join(temp_dir, 'colored_video.mp4')# 创建视频上色管道colorizer = pipeline(Tasks.video_colorization, model='damo/cv_unet_video-colorization', device='cuda')# 进行视频上色result = colorizer(input_video)# 保存上色后的视频到临时目录# 直接返回结果中的视频路径，而不是尝试写入文件return result[OutputKeys.OUTPUT_VIDEO]# 创建Gradio界面
demo = gr.Interface(fn=video_colorize,inputs=gr.Video(label="上传黑白视频"),outputs=gr.Video(label="上色后的视频"),
)if __name__ == "__main__":demo.launch(share=False)

四、效果展示

运行成功后，生成URL：http://127.0.0.1:7860
在这里插入图片描述
浏览器打开生成的URL：http://127.0.0.1:7860

打开准备好的黑白视频

处理后的视频
在这里插入图片描述

五、问题与解决

问题一：ModuleNotFoundError: No module named ‘xxx’（下图为示例）
在这里插入图片描述
解决一：pip install xxx

#过程中遇到需要安装的依赖包
pip install gradio
pip install modelscope
pip install addict
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124
pip install datasets==3.3.0
pip install simplejson
pip install sortedcontainers
pip install opencv-python
pip install ffmpeg

问题二：ImportError: cannot import name ‘get_metadata_patterns’ from ‘datasets.data_files’ 在这里插入图片描述

解决二：pip install datasets==3.3.0

问题三：PermissionError: [Errno 13] Permission denied: ‘D:\XXX\temp\gradio\09d4c3363b495e6c51b91b4c04a11b213ff48ceb3f09a20b7b46a238dfaf17ca\luomajiari.mp4’
在这里插入图片描述