Update app.py

app.py

@@ -3,56 +3,51 @@ import torch
 from audiocraft.models import MusicGen
 import uuid
 import os
-import scipy.io.wavfile as wav
+import scipy.io.wavfile
+import numpy as np
 
-# Cargar el modelo de MusicGen
+# Cargar el modelo MusicGen
 print("Cargando el modelo MusicGen...")
-try:
-    model = MusicGen.get_pretrained('facebook/musicgen-small')
-    print("Modelo cargado correctamente.")
-except Exception as e:
-    print(f"Error al cargar el modelo: {e}")
-    exit(1)
+model = MusicGen.get_pretrained('facebook/musicgen-small')
+print("Modelo cargado correctamente.")
 
 # Función para generar música
 def generar_musica(descripcion):
     try:
-        print(f"\nGenerando música con la descripción: {descripcion}")
+        print(f"Generando música con descripción: {descripcion}")
 
-        # Configurar duración de la pista (5 segundos para pruebas más rápidas)
-        model.set_generation_params(duration=5)
+        # Establecer parámetros de generación
+        model.set_generation_params(duration=5)  # Reducido a 5 segundos para evitar problemas de memoria
 
         # Generar música
         output = model.generate(descriptions=[descripcion])
 
-        # Verificar si la salida es válida
-        if not isinstance(output, list) or len(output) == 0:
-            print("Error: La salida del modelo es vacía.")
+        # Verificar si la salida del modelo es válida
+        if not isinstance(output, list) or len(output) == 0 or not isinstance(output[0], torch.Tensor):
+            print("Error: La salida del modelo es vacía o inválida.")
             return "Error: No se pudo generar la música."
 
-        # Extraer el tensor de audio
         audio_tensor = output[0]
 
-        # Verificar que el tensor no esté vacío
-        if not isinstance(audio_tensor, torch.Tensor) or audio_tensor.numel() == 0:
-            print("Error: El tensor de audio es inválido.")
+        # Verificar si el tensor tiene datos
+        if audio_tensor.numel() == 0:
+            print("Error: El tensor generado está vacío.")
             return "Error: No se pudo generar la música."
 
-        # Convertir a NumPy (float32 para evitar distorsiones)
-        audio_data = audio_tensor.cpu().detach().numpy().astype("float32")
+        # Convertir el tensor a NumPy
+        audio_data = audio_tensor.cpu().detach().numpy()
 
-        # Normalizar a 16 bits
-        audio_data = (audio_data * 32767).astype("int16")
+        # Normalizar audio para formato WAV de 16 bits
+        audio_data = np.int16(audio_data * 32767)
 
         # Guardar el archivo de audio
-        output_path = f"output_{uuid.uuid4().hex}.wav"
-        wav.write(output_path, 32000, audio_data)
+        output_path = f"/mnt/data/output_{uuid.uuid4().hex}.wav"
+        scipy.io.wavfile.write(output_path, 32000, audio_data)
 
-        print(f"Música generada y guardada en: {output_path}")
+        print(f"Música generada y guardada en {output_path}")
         return output_path
-
     except Exception as e:
-        print(f"Error durante la generación de música: {e}")
+        print(f"Error al generar música: {e}")
         return "Error: No se pudo generar la música."
 
 # Crear interfaz con Gradio
@@ -61,9 +56,4 @@ demo = gr.Interface(
     inputs=gr.Textbox(label="Descripción de la música"),
     outputs=gr.Audio(label="Música Generada"),
     title="Generador de Música AI",
-    description="Introduce una descripción y genera una pista de música."
-)
-
-# Ejecutar la aplicación
-if __name__ == "__main__":
-    demo.launch()
+    description="Introduce una descripción y genera