Update app.py

app.py

@@ -18,39 +18,77 @@ model_path = hf_hub_download(
     repo_id="Bmo411/WGAN",
     filename="generator_epoch_3500.keras"
 )
-
 generator = keras.models.load_model(model_path, compile=False)
 
 # Función para convertir texto a audio
 def text_to_audio(text):
-    # Convertir texto a mel-spectrograma
-    mel_output, _, _ = tacotron2.encode_text(text)
-    mel = mel_output.detach().cpu().numpy().astype(np.float32)  # (80, frames)
-
-    # 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 = tf.squeeze(fake_audio, axis=0).numpy()  # (samples, 1)
-    fake_audio = np.squeeze(fake_audio, axis=-1)         # (samples,)
-
-    # Asegurar que esté en rango [-1, 1]
-    fake_audio = np.clip(fake_audio, -1.0, 1.0)
-
-    # Retornar audio y sample rate
-    return fake_audio, 8000  # Asumiendo salida a 8kHz
+    # Crear un array vacío por defecto en caso de error
+    default_audio = np.zeros(8000, dtype=np.float32)
+    sample_rate = 22050  # Ajusta según la configuración de tu modelo
+    
+    if not text or not text.strip():
+        return (sample_rate, default_audio)
+    
+    try:
+        # Convertir texto a mel-spectrograma con Tacotron2
+        mel_output, _, _ = tacotron2.encode_text(text)
+        mel = mel_output.detach().cpu().numpy().astype(np.float32)
+        
+        # Imprimir forma original del mel para debugging
+        print(f"Forma original del mel: {mel.shape}")
+        
+        # Reorganizar el mel para que coincida con la forma esperada (batch, 80, frames, 1)
+        # Si mel tiene forma (80, frames) - lo más probable
+        if len(mel.shape) == 2:
+            mel_input = np.expand_dims(mel, axis=0)  # (1, 80, frames)
+            mel_input = np.expand_dims(mel_input, axis=-1)  # (1, 80, frames, 1)
+        # Si viene con otra forma, intentamos adaptarla
+        elif len(mel.shape) == 3 and mel.shape[0] == 1:
+            # Si es (1, 80, frames) o (1, frames, 80)
+            if mel.shape[1] == 80:
+                mel_input = np.expand_dims(mel, axis=-1)  # (1, 80, frames, 1)
+            else:
+                mel_input = np.expand_dims(np.transpose(mel, (0, 2, 1)), axis=-1)  # (1, 80, frames, 1)
+        else:
+            # Intento final de reorganización
+            mel_input = np.expand_dims(np.expand_dims(mel, axis=0), axis=-1)
+        
+        print(f"Forma del mel preparado: {mel_input.shape}")
+        
+        # Generar audio
+        generated_audio = generator(mel_input, training=False)
+        
+        # Procesar el audio generado
+        generated_audio = tf.squeeze(generated_audio).numpy()
+        
+        # Asegurarse de que hay valores no cero antes de normalizar
+        if np.max(np.abs(generated_audio)) > 0:
+            generated_audio = generated_audio / np.max(np.abs(generated_audio))
+        
+        # Convertir a float32 para gradio
+        generated_audio = generated_audio.astype(np.float32)
+        
+        print(f"Forma del audio generado: {generated_audio.shape}")
+        
+        return (sample_rate, generated_audio)
+    
+    except Exception as e:
+        print(f"Error en la generación de audio: {e}")
+        # Si hay error, imprimir un traceback completo para mejor diagnóstico
+        import traceback
+        traceback.print_exc()
+        return (sample_rate, default_audio)
 
 # Crear interfaz en Gradio
 interface = gr.Interface(
     fn=text_to_audio,
-    inputs=gr.Textbox(lines=1, placeholder="Escribe algo (ej. 'nine')"),
-    outputs=gr.Audio(type="numpy", label="Audio generado"),
+    inputs=gr.Textbox(lines=2, placeholder="Escribe algo (ej. 'Hello world')"),
+    outputs=gr.Audio(label="Audio generado"),
     title="Demo de TTS con Tacotron2 + Generador",
-    description="Convierte texto en audio usando Tacotron2 + tu modelo Generator entrenado."
+    description="Convierte texto en audio usando Tacotron2 + modelo Generator entrenado.",
+    examples=[["Hello"], ["Hi there"]]
 )
 
 # Lanzar aplicación
 if __name__ == "__main__":
-    interface.launch()
+    interface.launch(debug=True)