Update app.py

app.py

@@ -4,53 +4,53 @@ from audiocraft.models import MusicGen
 import uuid
 import os
 import scipy.io.wavfile
+import numpy as np
 
 # Cargar el modelo
 print("Cargando el modelo MusicGen...")
-model = MusicGen.get_pretrained('facebook/
-musicgen-small')
+model = MusicGen.get_pretrained('facebook/musicgen-small')
 print("Modelo cargado correctamente.")
 
 # Función para generar música
 def generar_musica(descripcion):
     try:
-        print(f"Generando música con 
-        descripción: {descripcion}")
+        print(f"Generando música con descripción: {descripcion}")
 
-        # Establecer parámetros de 
-              generación
-        model.set_generation_params(duration=10) 
-              # Asegurar duración de 10 segundos
+        # Establecer parámetros de generación
+        model.set_generation_params(duration=10)  # Asegurar duración de 10 segundos
 
         # Generar música
-        output =
-        model.generate(descriptions=[descripcion
-        ])
+        output = model.generate(descriptions=[descripcion])
 
-        if not isinstance(output, 
-                          torch.Tensor) or output.numel() == 0:
-            print("Error: La salida del
-            modelo es vacía o inválida.")
-            return "Error: No se pudo
-            generar la música."
+        if not output or not isinstance(output, list) or len(output) == 0:
+            print("Error: La salida del modelo es vacía o inválida.")
+            return None
+
+        audio_tensor = output[0]  # Extraer el primer tensor de la lista
+
+        if not isinstance(audio_tensor, torch.Tensor) or audio_tensor.numel() == 0:
+            print("Error: El tensor de audio es inválido o vacío.")
+            return None
 
         # Convertir el tensor a NumPy
-        audio_data = 
-        output[0].cpu().detach().numpy()
+        audio_data = audio_tensor.cpu().detach().numpy()
+
+        # Verificar la forma del tensor para asegurar que tiene la dimensión correcta
+        if len(audio_data.shape) == 1:  # Asegurar que tiene al menos 2D
+            audio_data = np.expand_dims(audio_data, axis=0)
 
-        # Normalizar audio a 16 bits
-        audio_data = (audio_data *
-                      32767).astype("int16")
+        # Normalizar audio a 16 bits PCM
+        audio_data = (audio_data * 32767).astype(np.int16)
 
-        # Guardar el archivo de audio  correctamente
+        # Guardar el archivo de audio
         output_path = f"output_{uuid.uuid4().hex}.wav"
-        scipy.io.wavfile.write(output_path, 32000, audio_data)
+        scipy.io.wavfile.write(output_path, 32000, audio_data[0])  # Extraer el primer canal si es estéreo
 
         print(f"Música generada y guardada en {output_path}")
         return output_path
     except Exception as e:
         print(f"Error al generar música: {e}")
-        return "Error: No se pudo generar la música."
+        return None
 
 # Crear interfaz con Gradio
 demo = gr.Interface(