Upload handler.py

handler.py

@@ -6,23 +6,85 @@ from datetime import datetime
 import argparse
 from hyvideo.utils.file_utils import save_videos_grid
 from hyvideo.inference import HunyuanVideoSampler
-from hyvideo.config import parse_args
 from hyvideo.constants import NEGATIVE_PROMPT
 
 def get_default_args():
     """Create default arguments instead of parsing from command line"""
     parser = argparse.ArgumentParser()
     
-    # Add all the arguments that were in the original parser
+    # Model configuration
     parser.add_argument("--model", type=str, default="HYVideo-T/2")
     parser.add_argument("--model-resolution", type=str, default="720p", choices=["540p", "720p"])
     parser.add_argument("--latent-channels", type=int, default=4)
     parser.add_argument("--precision", type=str, default="bf16", choices=["bf16", "fp32", "fp16"])
+    parser.add_argument("--rope-theta", type=float, default=10000)
+    
+    # VAE settings
+    parser.add_argument("--vae", type=str, default="884-16c-hy")
+    parser.add_argument("--vae-precision", type=str, default="bf16", choices=["bf16", "fp32", "fp16"])
+    parser.add_argument("--vae-tiling", action="store_true")
+    
+    # Text encoder settings
+    parser.add_argument("--text-encoder", type=str, default="clipL", choices=["clipL", "llm"])
+    parser.add_argument("--text-encoder-precision", type=str, default="bf16", choices=["bf16", "fp32", "fp16"])
+    parser.add_argument("--text-states-dim", type=int, default=1024)
+    parser.add_argument("--text-len", type=int, default=77)
+    parser.add_argument("--tokenizer", type=str, default="clipL", choices=["clipL", "llm"])
+    
+    # Prompt template settings
+    parser.add_argument("--prompt-template", type=str, default="dit-llm-encode", 
+                       choices=["dit-llm-encode", "dit-llm-encode-video"])
+    parser.add_argument("--prompt-template-video", type=str, default="dit-llm-encode",
+                       choices=["dit-llm-encode", "dit-llm-encode-video"])
+    
+    # Additional text encoder settings
+    parser.add_argument("--hidden-state-skip-layer", type=int, default=0)
+    parser.add_argument("--apply-final-norm", action="store_true")
+    parser.add_argument("--text-encoder-2", type=str, default="clipL", choices=["clipL", "llm"])
+    parser.add_argument("--text-encoder-precision-2", type=str, default="bf16", choices=["bf16", "fp32", "fp16"])
+    parser.add_argument("--text-states-dim-2", type=int, default=1024)
+    parser.add_argument("--tokenizer-2", type=str, default="clipL", choices=["clipL", "llm"])
+    parser.add_argument("--text-len-2", type=int, default=77)
+    
+    # Inference settings
+    parser.add_argument("--denoise-type", type=str, default="v-prediction")
+    parser.add_argument("--flow-shift", type=float, default=7.0)
+    parser.add_argument("--flow-reverse", action="store_true")
+    parser.add_argument("--flow-solver", type=str, default="euler")
+    parser.add_argument("--use-linear-quadratic-schedule", action="store_true")
+    parser.add_argument("--linear-schedule-end", type=float, default=0.0)
+    
+    # Model paths and weights
+    parser.add_argument("--model-base", type=str, default=None)
+    parser.add_argument("--dit-weight", type=float, default=1.0)
+    parser.add_argument("--load-key", type=str, default=None)
+    
+    # Hardware settings
+    parser.add_argument("--use-cpu-offload", action="store_true")
     parser.add_argument("--batch-size", type=int, default=1)
     parser.add_argument("--infer-steps", type=int, default=50)
-    parser.add_argument("--model-base", type=str, default=None)
+    parser.add_argument("--disable-autocast", action="store_true")
+    
+    # Output settings
     parser.add_argument("--save-path", type=str, default="outputs")
-    parser.add_argument("--video-length", type=int, default=129)  # 5 seconds
+    parser.add_argument("--save-path-suffix", type=str, default="")
+    parser.add_argument("--name-suffix", type=str, default="")
+    
+    # Generation settings
+    parser.add_argument("--num-videos", type=int, default=1)
+    parser.add_argument("--video-size", nargs="+", type=int, default=None)
+    parser.add_argument("--video-length", type=int, default=129)
+    parser.add_argument("--prompt", type=str, default=None)
+    parser.add_argument("--seed-type", type=str, default="random", choices=["file", "random", "fixed", "auto"])
+    parser.add_argument("--seed", type=int, default=-1)
+    parser.add_argument("--neg-prompt", type=str, default="")
+    parser.add_argument("--cfg-scale", type=float, default=1.0)
+    parser.add_argument("--embedded-cfg-scale", type=float, default=6.0)
+    parser.add_argument("--reproduce", action="store_true")
+    
+    # Additional degrees
+    parser.add_argument("--ulysses-degree", type=float, default=1.0)
+    parser.add_argument("--ring-degree", type=float, default=1.0)
     
     # Parse with empty args list to avoid reading sys.argv
     args = parser.parse_args([])