Update app.py

app.py

@@ -8,67 +8,102 @@ import gradio as gr
 import os
 from huggingface_hub import login
 
+# Ordner für temporäre Dateien erstellen
+os.makedirs('static', exist_ok=True)
+
 # Authentifizierung
 if os.environ.get("HUGGING_FACE_HUB_TOKEN"):
-    login(token=os.environ["HUGGING_FACE_HUB_TOKEN"])
-
+    token = os.environ["HUGGING_FACE_HUB_TOKEN"].strip()
+    try:
+        login(token=token, add_to_git_credential=True)
+    except Exception as e:
+        print(f"Warnung: Login fehlgeschlagen - {str(e)}")
 
-@spaces.GPU(duration=180)
+@spaces.GPU(duration=300)
 def generate_audio(prompt, duration=10, steps=50, cfg_scale=7):
-    device = "cuda" if torch.cuda.is_available() else "cpu"
-    
-    # Modell laden und zum Gerät verschieben
-    model, model_config = get_pretrained_model("stabilityai/stable-audio-open-1.0")
-    model = model.to(device)
-    
-    sample_rate = model_config["sample_rate"]
-    sample_size = model_config["sample_size"]
+    try:
+        device = "cuda" if torch.cuda.is_available() else "cpu"
+        
+        # Modell laden und zum Gerät verschieben
+        model, model_config = get_pretrained_model("stabilityai/stable-audio-open-1.0")
+        model = model.to(device)
+        
+        sample_rate = model_config["sample_rate"]
+        sample_size = model_config["sample_size"]
 
-    # Konditionierung einrichten
-    conditioning = [{
-        "prompt": prompt,
-        "seconds_start": 0,
-        "seconds_total": duration
-    }]
+        # Konditionierung einrichten
+        conditioning = [{
+            "prompt": prompt,
+            "seconds_start": 0,
+            "seconds_total": duration  # Keine Begrenzung mehr
+        }]
 
-    # Audio generieren mit anpassbaren Parametern
-    output = generate_diffusion_cond(
-        model,
-        steps=steps,
-        cfg_scale=cfg_scale,
-        conditioning=conditioning,
-        sample_size=sample_size,
-        sigma_min=0.3,
-        sigma_max=500,
-        sampler_type="dpmpp-3m-sde",  # Besserer Sampler
-        device=device
-    )
+        # Audio generieren mit anpassbaren Parametern
+        output = generate_diffusion_cond(
+            model,
+            steps=steps,  # Keine Begrenzung mehr
+            cfg_scale=cfg_scale,
+            conditioning=conditioning,
+            sample_size=sample_size,
+            sigma_min=0.3,
+            sigma_max=500,
+            sampler_type="dpmpp-3m-sde",
+            device=device
+        )
 
-    # Audio-Batch in eine einzelne Sequenz umwandeln
-    output = rearrange(output, "b d n -> d (b n)")
+        # Audio verarbeiten
+        output = rearrange(output, "b d n -> d (b n)")
+        output = output.to(torch.float32).div(torch.max(torch.abs(output))).clamp(-1, 1).mul(32767).to(torch.int16).cpu()
 
-    # Peak-Normalisierung, Clipping, Konvertierung zu int16
-    output = output.to(torch.float32).div(torch.max(torch.abs(output))).clamp(-1, 1).mul(32767).to(torch.int16).cpu()
+        # Audio speichern
+        output_path = "static/generated_audio.wav"
+        torchaudio.save(output_path, output, model_config["sample_rate"])
+        
+        return output_path
 
-    return output, sample_rate
+    except Exception as e:
+        print(f"Fehler bei der Audiogenerierung: {str(e)}")
+        raise e
 
-def generate(prompt, duration=10, steps=50, cfg_scale=7):
-    audio, sr = generate_audio(prompt, duration, steps, cfg_scale)
-    return (sr, audio.numpy())
+# Benutzerdefiniertes CSS für besseres Aussehen
+custom_css = """
+body { background-color: #f6f6f6; }
+.gradio-container { max-width: 800px; margin: auto; }
+"""
 
-# Verbesserte Benutzeroberfläche
-iface = gr.Interface(
-    fn=generate,
-    inputs=[
-        gr.Textbox(label="Prompt", placeholder="Beschreiben Sie den gewünschten Sound..."),
-        gr.Slider(minimum=1, maximum=30, value=10, step=1, label="Dauer (Sekunden)"),
-        gr.Slider(minimum=20, maximum=100, value=50, step=5, label="Anzahl der Schritte"),
-        gr.Slider(minimum=1, maximum=15, value=7, step=0.5, label="CFG Scale"),
-    ],
-    outputs=gr.Audio(label="Generiertes Audio"),
-    title="Stable Audio Generator",
-    description="Generieren Sie Audio aus Textbeschreibungen mit Stable Audio 1.0",
-)
+# Gradio Interface mit Blocks
+with gr.Blocks(css=custom_css) as demo:
+    gr.Markdown("# Stable Audio Generator")
+    gr.Markdown("Generieren Sie Audio aus Textbeschreibungen mit Stable Audio 1.0")
+    
+    with gr.Row():
+        with gr.Column():
+            prompt = gr.Textbox(
+                label="Prompt",
+                placeholder="Beschreiben Sie den gewünschten Sound..."
+            )
+            duration = gr.Slider(
+                minimum=1, maximum=30, value=10,
+                step=1, label="Dauer (Sekunden)"
+            )
+            steps = gr.Slider(
+                minimum=20, maximum=100, value=50,
+                step=5, label="Anzahl der Schritte"
+            )
+            cfg_scale = gr.Slider(
+                minimum=1, maximum=15, value=7,
+                step=0.5, label="CFG Scale"
+            )
+            generate_btn = gr.Button("Generieren")
+        
+        with gr.Column():
+            output = gr.Audio(label="Generiertes Audio", type="filepath")
+    
+    generate_btn.click(
+        fn=generate_audio,
+        inputs=[prompt, duration, steps, cfg_scale],
+        outputs=output
+    )
 
 if __name__ == "__main__":
-    iface.launch()
+    demo.launch()