Update app.py

app.py

@@ -5,7 +5,6 @@ import torch
 
 # --- Configuración Global ---
 # Usamos 'tiny' para velocidad en CPU gratis. 
-# Cambiar a 'base' si tienes GPU pagada o más paciencia.
 MODEL_NAME = "tiny" 
 device = "cuda" if torch.cuda.is_available() else "cpu"
 
@@ -30,7 +29,7 @@ def analizar_audio_evp(audio_path):
     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' si no oye nada claro
+        # 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
@@ -44,7 +43,8 @@ def analizar_audio_evp(audio_path):
         texto = result["text"].strip()
 
         if texto:
-            return f"👻 **PATRÓN DETECTADO:**\n\n"{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)."
 
@@ -63,9 +63,9 @@ with gr.Blocks(theme=gr.themes.Soft(primary_hue="purple")) as demo:
         with gr.Column():
             audio_input = gr.Audio(
                 label="🎙️ Fuente de Audio", 
-                type="filepath", # Importante: devuelve la ruta del archivo
+                type="filepath",
                 sources=["upload", "microphone"],
-                format="mp3" # Forzamos formato MP3
+                format="mp3"
             )
             btn_analizar = gr.Button("🔮 Analizar Ruido", variant="primary")
         
@@ -76,7 +76,6 @@ with gr.Blocks(theme=gr.themes.Soft(primary_hue="purple")) as demo:
                 max_lines=10
             )
 
-    # Conectar botón a función
     btn_analizar.click(
         fn=analizar_audio_evp, 
         inputs=audio_input,