Update latent_enhancer_specialist.py

latent_enhancer_specialist.py

@@ -25,7 +25,6 @@ class LatentEnhancerSpecialist:
         if self.pipe_upsample is not None:
             return
         try:
-            # A pipeline de upscale requer um VAE específico
             from diffusers.models.autoencoders import AutoencoderKLLTXVideo
             self.base_vae = AutoencoderKLLTXVideo.from_pretrained(
                 "linoyts/LTX-Video-spatial-upscaler-0.9.8",
@@ -64,18 +63,18 @@ class LatentEnhancerSpecialist:
     def refine(self, latents: torch.Tensor, fps: int = 24, **kwargs) -> torch.Tensor:
         """
         Invoca o LTX Pool Manager para refinar um tensor latente existente.
-        Esta função foi movida de Deformes4DEngine para centralizar a lógica.
         """
         logger.info(f"[Enhancer] Refinando tensor latente com shape {latents.shape}.")
         
-        # A lógica de refinamento usa o VAE principal do ltx_manager, não o do upscaler
         main_pipeline_vae = ltx_manager_singleton.workers[0].pipeline.vae
         video_scale_factor = getattr(main_pipeline_vae.config, 'temporal_scale_factor', 8)
         
-        # O ltx_manager agora lida com o dimensionamento, então não precisamos pré-calcular
-        # Apenas garantimos que o número de frames seja passado corretamente
         _, _, num_latent_frames, _, _ = latents.shape
-        pixel_frames = num_latent_frames * video_scale_factor
+        
+        # --- [CORREÇÃO FINAL E CRÍTICA] ---
+        # A pipeline de refinamento (vid2vid) espera o número de frames de pixels que CORRESPONDE
+        # ao latente existente, SEM a lógica do +1 que ela aplicará internamente.
+        pixel_frames = (num_latent_frames - 1) * video_scale_factor
 
         final_ltx_params = {
             "video_total_frames": pixel_frames,