File size: 3,455 Bytes
228b6ea 1e7a231 228b6ea 1e7a231 228b6ea cdc6979 1e7a231 228b6ea 1e7a231 228b6ea 1e7a231 f70a604 1e7a231 f70a604 1e7a231 cdc6979 1e7a231 cdc6979 f70a604 cdc6979 228b6ea 1e7a231 228b6ea | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 | import os
import warnings
import tempfile
from basic_pitch.inference import predict_and_save
from basic_pitch import ICASSP_2022_MODEL_PATH
import tensorflow as tf
# Configurar TensorFlow para evitar problemas de GPU
os.environ['CUDA_VISIBLE_DEVICES'] = '-1' # Forzar uso de CPU
tf.config.set_visible_devices([], 'GPU') # Desabilitar GPU
# Suprime warnings de runtime (p.ej. invalid value encountered in divide)
warnings.filterwarnings("ignore", category=RuntimeWarning)
# Carpeta ra铆z donde guardamos archivos midi
BASE_MIDI_DIR = "data/midi"
def inferir_basic_pitch(input_file: str) -> str:
"""
Procesa un archivo de audio y genera un archivo MIDI usando Basic Pitch.
Args:
input_file: Ruta al archivo de audio de entrada
Returns:
Ruta al archivo MIDI generado
"""
# Crear directorio de salida si no existe
os.makedirs(BASE_MIDI_DIR, exist_ok=True)
try:
print(f"Procesando archivo: {input_file}")
print(f"Directorio de salida: {BASE_MIDI_DIR}")
# Verificar que el archivo de entrada existe
if not os.path.exists(input_file):
print(f"Error: El archivo de entrada no existe: {input_file}")
return None
# Limpiar el directorio de salida antes del procesamiento
for f in os.listdir(BASE_MIDI_DIR):
if f.endswith('.mid'):
os.remove(os.path.join(BASE_MIDI_DIR, f))
# Realizar predicci贸n y guardar archivo MIDI
try:
predict_and_save(
model_or_model_path=ICASSP_2022_MODEL_PATH,
audio_path_list=[input_file],
output_directory=BASE_MIDI_DIR,
save_midi=True,
sonify_midi=False,
save_model_outputs=False,
save_notes=False,
)
print("Predicci贸n completada")
except Exception as model_error:
print(f"Error espec铆fico del modelo: {model_error}")
# Intentar con una configuraci贸n alternativa
try:
print("Intentando configuraci贸n alternativa...")
predict_and_save(
audio_path_list=[input_file],
output_directory=BASE_MIDI_DIR,
save_midi=True,
sonify_midi=False,
save_model_outputs=False,
save_notes=False,
)
print("Predicci贸n alternativa completada")
except Exception as alt_error:
print(f"Error en configuraci贸n alternativa: {alt_error}")
return None
# Buscar archivos MIDI generados
generated_files = [f for f in os.listdir(BASE_MIDI_DIR) if f.endswith('.mid')]
print(f"Archivos generados: {generated_files}")
if generated_files:
# Tomar el archivo m谩s reciente
latest_file = max([os.path.join(BASE_MIDI_DIR, f) for f in generated_files],
key=os.path.getctime)
print(f"Archivo MIDI encontrado: {latest_file}")
return latest_file
else:
print("No se gener贸 ning煤n archivo MIDI")
return None
except Exception as e:
print(f"Error general durante la inferencia: {e}")
print(f"Tipo de error: {type(e).__name__}")
return None
|