Update app.py

app.py

@@ -1,62 +1,85 @@
 import gradio as gr
 import whisper
-import os
 import torch
+import os
+import time
 
-# --- Configuración Global ---
-# Usamos 'tiny' para velocidad en CPU gratis. 
-MODEL_NAME = "tiny" 
+MODEL_NAME = "tiny"
 device = "cuda" if torch.cuda.is_available() else "cpu"
+_model_cache = None
 
-print(f"🌀 Cargando modelo Whisper ({MODEL_NAME}) en {device}...")
-try:
-    model = whisper.load_model(MODEL_NAME, device=device)
-    print("✅ Modelo cargado correctamente.")
-except Exception as e:
-    print(f"⚠️ Error cargando modelo: {e}")
-    model = None
+def cargar_modelo():
+    global _model_cache
+    if _model_cache is None:
+        print(f"🌀 Cargando modelo Whisper ({MODEL_NAME}) en {device}...")
+        start = time.time()
+        _model_cache = whisper.load_model(MODEL_NAME, device=device)
+        end = time.time()
+        print(f"✅ Modelo cargado en {end - start:.2f} segundos")
+    return _model_cache
 
-def analizar_audio_evp(audio_path):
-    """
-    Analiza el audio buscando patrones lingüísticos en el ruido.
-    """
-    if model is None:
-        return "❌ Error: El modelo no se cargó correctamente en el servidor."
+def analizar_audio_evp(audio_path, progress=gr.Progress()):
+    inicio_total = time.time()
     
+    # 1. Verificar que el archivo existe
     if audio_path is None:
-        return "⚠️ No se detectó audio. Por favor graba o sube un archivo."
-
-    try:
-        # Opciones de transcripción agresivas para EVP
-        # temperature=0.8 ayuda a encontrar patrones en ruido (menos determinista)
-        # condition_on_previous_text=False evita que el modelo se 'bloquee'
-        options = {
-            "language": "es", 
-            "fp16": False if device == "cpu" else True, # FP16 suele fallar en CPU
-            "temperature": 0.8, 
-            "condition_on_previous_text": False,
-            "verbose": False
-        }
-
-        print(f"🔍 Analizando archivo: {audio_path}...")
-        result = model.transcribe(audio_path, **options)
-        texto = result["text"].strip()
+        return "⚠️ No se detectó audio."
+    
+    if not os.path.exists(audio_path):
+        return f"❌ ERROR: El archivo no existe en {audio_path}"
+    
+    tamaño = os.path.getsize(audio_path)
+    print(f"📁 Archivo recibido: {audio_path} ({tamaño} bytes)")
+    
+    # 2. Cargar modelo (con tiempo real)
+    progress(0.1, desc="Cargando modelo de IA...")
+    inicio_carga = time.time()
+    model = cargar_modelo()
+    tiempo_carga = time.time() - inicio_carga
+    print(f"⏱️ Tiempo de carga del modelo: {tiempo_carga:.2f}s")
+    
+    if model is None:
+        return "❌ Error: El modelo no se cargó correctamente."
 
-        if texto:
-            # CORRECCIÓN AQUÍ: f-string bien cerrado
-            return f"👻 **PATRÓN DETECTADO:**\n\n{texto}"
-        else:
-            return "💤 **SIN PATRONES:**\n\nEl IA no encontró estructuras lingüísticas claras en este ruido (o el silencio es absoluto)."
+    # 3. Transcribir (con tiempo real)
+    progress(0.4, desc="Procesando audio...")
+    inicio_transcripcion = time.time()
+    
+    options = {
+        "language": "es", 
+        "fp16": False if device == "cpu" else True,
+        "temperature": 0.8,
+        "condition_on_previous_text": False,
+        "verbose": False,
+        "task": "transcribe"
+    }
 
-    except Exception as e:
-        return f"⚠️ **ERROR DE PROCESAMIENTO:**\n\n{str(e)}"
+    result = model.transcribe(audio_path, **options)
+    tiempo_transcripcion = time.time() - inicio_transcripcion
+    print(f"⏱️ Tiempo de transcripción: {tiempo_transcripcion:.2f}s")
+    
+    texto = result["text"].strip()
+    tiempo_total = time.time() - inicio_total
+    
+    progress(1.0, desc="Análisis completado")
+    
+    # 4. Retorno CON TIEMPOS REALES (para que veas si es fake)
+    respuesta = f"⏱️ **TIEMPO TOTAL: {tiempo_total:.2f} segundos**\n\n"
+    
+    if texto:
+        respuesta += f"👻 **PATRÓN DETECTADO:**\n\n{texto}"
+    else:
+        respuesta += "💤 **SIN PATRONES:**\n\nLa IA no encontró estructuras lingüísticas en este audio.\n\n"
+        respuesta += f"📊 **DEBUG:**\n- Tamaño archivo: {tamaño} bytes\n- Tiempo transcripción: {tiempo_transcripcion:.2f}s\n- Device: {device}"
+    
+    return respuesta
 
-# --- Interfaz Gráfica (Gradio) ---
-with gr.Blocks(theme=gr.themes.Soft(primary_hue="purple")) as demo:
+# --- Interfaz ---
+with gr.Blocks() as demo:
     gr.Markdown("""
-    # 🕵️‍♂️ Detector de Patrones Auditivos (EVP)
+    # 👻 Detector EVP - Audio a Texto
     ## Sube un MP3 de "silencio" o graba tu habitación.
-    *La IA intentará encontrar palabras donde solo hay ruido.*
+    *Si el análisis es instantáneo (<5s), algo está mal.*
     """)
     
     with gr.Row():
@@ -64,16 +87,15 @@ with gr.Blocks(theme=gr.themes.Soft(primary_hue="purple")) as demo:
             audio_input = gr.Audio(
                 label="🎙️ Fuente de Audio", 
                 type="filepath",
-                sources=["upload", "microphone"],
-                format="mp3"
+                sources=["upload", "microphone"]
             )
             btn_analizar = gr.Button("🔮 Analizar Ruido", variant="primary")
         
         with gr.Column():
             output_text = gr.Textbox(
                 label="📜 Resultado del Análisis", 
-                lines=5, 
-                max_lines=10
+                lines=8, 
+                max_lines=15
             )
 
     btn_analizar.click(