Upload 2 files

app (1) (18).py

@@ -0,0 +1,110 @@
+import gradio as gr
+import spaces
+import tempfile
+import numpy as np
+import scipy.io.wavfile
+import torch
+
+print("Cargando modelo...")
+from transformers import AutoProcessor, MusicgenForConditionalGeneration
+processor = AutoProcessor.from_pretrained("facebook/musicgen-medium")
+modelo = MusicgenForConditionalGeneration.from_pretrained("facebook/musicgen-medium")
+SR = modelo.config.audio_encoder.sampling_rate  # 32000
+print("Modelo listo")
+
+FRAME = SR // 50          # muestras por token (musicgen va a 50 Hz)
+MAX_TOKENS = 1500         # tope fisico de musicgen (~30s)
+CONTEXT_SEG = 5           # segundos de "arranque" que damos para continuar
+CHUNK_MAX_SEG = 25        # maximo que puede generar por pasada con ese contexto
+
+
+def _a_numpy(audio_values):
+    a = audio_values[0].cpu().numpy()
+    return np.squeeze(a).astype(np.float32)
+
+
+def _crossfade_join(a, b, sr, xf_seg=0.4):
+    """Une a + b con un cruce corto para tapar la costura."""
+    xf = min(int(xf_seg * sr), len(a), len(b))
+    if xf <= 0:
+        return np.concatenate([a, b])
+    fade_out = np.linspace(1.0, 0.0, xf)
+    fade_in = np.linspace(0.0, 1.0, xf)
+    mezcla = a[-xf:] * fade_out + b[:xf] * fade_in
+    return np.concatenate([a[:-xf], mezcla, b[xf:]])
+
+
+@spaces.GPU(duration=300)
+def generar_musica(prompt: str, duracion: int = 30) -> str:
+    if not prompt.strip():
+        raise gr.Error("El prompt no puede estar vacio.")
+    duracion = max(5, min(60, int(duracion)))
+    print(f"Generando: {prompt} | objetivo {duracion}s")
+
+    device = "cuda" if torch.cuda.is_available() else "cpu"
+    modelo.to(device)
+
+    # --- Pasada 1: generacion inicial solo con texto ---
+    base_seg = min(duracion, 30)
+    inputs = processor(text=[prompt], padding=True, return_tensors="pt").to(device)
+    with torch.no_grad():
+        salida = modelo.generate(**inputs, max_new_tokens=min(int(base_seg * 50), MAX_TOKENS))
+    audio = _a_numpy(salida)
+
+    # --- Pasadas de continuacion hasta llegar a la duracion ---
+    while len(audio) < int(duracion * SR):
+        restante_seg = duracion - len(audio) / SR
+        nuevos_seg = min(CHUNK_MAX_SEG, restante_seg + 1)  # +1 de margen para el cruce
+        nuevos_tokens = int(nuevos_seg * 50)
+
+        # cogemos la cola como arranque
+        cola = audio[-int(CONTEXT_SEG * SR):]
+        inputs = processor(
+            audio=cola,
+            sampling_rate=SR,
+            text=[prompt],
+            padding=True,
+            return_tensors="pt",
+        ).to(device)
+        with torch.no_grad():
+            cont = modelo.generate(**inputs, max_new_tokens=nuevos_tokens)
+        cont_audio = _a_numpy(cont)
+
+        # la salida incluye la cola que le dimos: la quitamos y nos quedamos lo nuevo
+        n_prompt = (len(cola) // FRAME) * FRAME
+        parte_nueva = cont_audio[n_prompt:]
+        if len(parte_nueva) < FRAME:  # por si acaso no genero nada nuevo
+            break
+        audio = _crossfade_join(audio, parte_nueva, SR)
+
+    audio = audio[: int(duracion * SR)]
+
+    # --- Limpieza final: normalizar, seguridad, headroom, fade-out ---
+    pico = np.max(np.abs(audio))
+    if pico > 0:
+        audio = audio / pico
+    audio = np.clip(audio, -1.0, 1.0) * 0.97
+    fade_len = min(len(audio), int(SR * 0.15))
+    if fade_len > 0:
+        audio[-fade_len:] = audio[-fade_len:] * np.linspace(1.0, 0.0, fade_len)
+
+    audio = (audio * 32767).astype(np.int16)
+    tmp = tempfile.NamedTemporaryFile(suffix=".wav", delete=False)
+    scipy.io.wavfile.write(tmp.name, SR, audio)
+    print(f"Audio listo ({len(audio)/SR:.1f}s): {tmp.name}")
+    return tmp.name
+
+
+with gr.Blocks(title="Fabrica de Musica") as demo:
+    gr.Markdown("# Fabrica de Musica Teshua")
+    gr.Markdown("Melodias continuas de hasta 60s con musicgen-medium (el modelo continua la composicion, no la repite).")
+    with gr.Row():
+        with gr.Column():
+            prompt_input = gr.Textbox(label="Prompt en ingles", placeholder="mystical ambient music, spiritual, no vocals", lines=2)
+            duracion_input = gr.Slider(label="Duracion segundos", minimum=5, maximum=60, value=30, step=1)
+            btn = gr.Button("Generar Musica", variant="primary")
+        with gr.Column():
+            audio_output = gr.Audio(label="Musica generada", type="filepath")
+    btn.click(fn=generar_musica, inputs=[prompt_input, duracion_input], outputs=audio_output, api_name="generar_musica")
+
+demo.launch(server_name="0.0.0.0", server_port=7860)