Update app.py

app.py

@@ -6,16 +6,14 @@ import torch
 from huggingface_hub import hf_hub_download
 from speechbrain.inference.TTS import Tacotron2
 
-# Cargar Tacotron2
+# Cargar modelo Tacotron2
 tacotron2 = Tacotron2.from_hparams(
     source="speechbrain/tts-tacotron2-ljspeech",
     savedir="tmpdir_tts",
     run_opts={"device": "cpu"}
 )
 
-# Cargar tu modelo generator.keras
-# Cargar tu generator.keras desde HuggingFace
-# Cargar tu modelo generator.keras desde HuggingFace
+# Descargar y cargar el modelo Generator entrenado
 model_path = hf_hub_download(
     repo_id="Bmo411/WGAN",
     filename="generator_epoch_3500.keras"
@@ -23,35 +21,36 @@ model_path = hf_hub_download(
 
 generator = keras.models.load_model(model_path, compile=False)
 
-# Función de generación
+# Función para convertir texto a audio
 def text_to_audio(text):
-    # 1. Convertir texto a mel-spectrograma
+    # Convertir texto a mel-spectrograma
     mel_output, _, _ = tacotron2.encode_text(text)
     mel = mel_output.detach().cpu().numpy().astype(np.float32)  # (80, frames)
-    
-    # 2. Preparar para generator
-    mel_input = np.expand_dims(mel,axis=0) # (1, 80, frames, 1)
-    mel_input = np.expand_dims(mel_input,axis=-1) # (1, 80, frames, 1)
 
-    # 3. Usar generator para generar audio
+    # Preparar mel para el generador
+    mel_input = np.expand_dims(mel, axis=0)    # (1, 80, frames)
+    mel_input = np.expand_dims(mel_input, axis=-1)  # (1, 80, frames, 1)
+
+    # Generar audio
     fake_audio = generator(mel_input, training=False)
-    fake_audio = np.squeeze(fake_audio, axis=-1)  # (samples,)
+    fake_audio = tf.squeeze(fake_audio, axis=0).numpy()  # (samples, 1)
+    fake_audio = np.squeeze(fake_audio, axis=-1)         # (samples,)
 
-    # 4. Asegurar que esté en [-1, 1] para audio
+    # Asegurar que esté en rango [-1, 1]
     fake_audio = np.clip(fake_audio, -1.0, 1.0)
 
-    # 5. Devolver audio como (numpy_array, sample_rate)
-    return fake_audio, 8000  # tu modelo está entrenado en 8 kHz, ¿verdad?
+    # Retornar audio y sample rate
+    return fake_audio, 8000  # Asumiendo salida a 8kHz
 
-# Interfaz Gradio
+# Crear interfaz en Gradio
 interface = gr.Interface(
     fn=text_to_audio,
-    inputs=gr.Textbox(lines=1, placeholder="Escribe un número (ej. nine)"),
+    inputs=gr.Textbox(lines=1, placeholder="Escribe algo (ej. 'nine')"),
     outputs=gr.Audio(type="numpy", label="Audio generado"),
-    title="Demo de TTS con Tacotron2 + Generator",
-    description="Convierte texto en audio usando Tacotron2 + tu modelo generator."
+    title="Demo de TTS con Tacotron2 + Generador",
+    description="Convierte texto en audio usando Tacotron2 + tu modelo Generator entrenado."
 )
 
-# Lanzar app
+# Lanzar aplicación
 if __name__ == "__main__":
-    interface.launch()
+    interface.launch()