Update app.py

app.py

@@ -1,87 +1,79 @@
 import gradio as gr
 import whisper
-import torch
 import os
+import torch
 
-# --- Configuración ---
-MODEL_NAME = "tiny"
+# --- Configuración Global ---
+# Usamos 'tiny' para velocidad en CPU gratis. 
+MODEL_NAME = "tiny" 
 device = "cuda" if torch.cuda.is_available() else "cpu"
-_model_cache = None
 
-def cargar_modelo():
-    global _model_cache
-    if _model_cache is None:
-        print(f"🌀 Cargando modelo Whisper ({MODEL_NAME}) en {device}...")
-        try:
-            _model_cache = whisper.load_model(MODEL_NAME, device=device)
-            print("✅ Modelo cargado correctamente.")
-        except Exception as e:
-            print(f"⚠️ Error cargando modelo: {e}")
-            return None
-    return _model_cache
+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 analizar_audio_evp(audio_path, progress=gr.Progress()):
+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."
+    
     if audio_path is None:
         return "⚠️ No se detectó audio. Por favor graba o sube un archivo."
-    
-    progress(0.1, desc="Cargando modelo de IA...")
-    model = cargar_modelo()
-    
-    if model is None:
-        return "❌ Error: No se pudo cargar el modelo de IA. Reintenta en unos segundos."
 
     try:
-        progress(0.4, desc="Procesando audio...")
-        
+        # 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,
-            "temperature": 0.8,
+            "fp16": False if device == "cpu" else True, # FP16 suele fallar en CPU
+            "temperature": 0.8, 
             "condition_on_previous_text": False,
-            "verbose": False,
-            "task": "transcribe"
+            "verbose": False
         }
 
-        progress(0.7, desc="Buscando patrones en el ruido...")
+        print(f"🔍 Analizando archivo: {audio_path}...")
         result = model.transcribe(audio_path, **options)
         texto = result["text"].strip()
 
-        progress(1.0, desc="Análisis completado")
-        
         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 CLAROS:\n\nLa IA no encontró estructuras lingüísticas reconocibles en este audio."
+            return "💤 **SIN PATRONES:**\n\nEl IA no encontró estructuras lingüísticas claras en este ruido (o el silencio es absoluto)."
 
-    except RuntimeError as e:
-        if "out of memory" in str(e).lower():
-            return "⚠️ MEMORIA INSUFICIENTE:\n\nEl espacio gratuito se quedó sin recursos. Espera unos minutos y reintenta con un audio más corto (<15s)."
-        return f"⚠️ ERROR DE EJECUCIÓN:\n\n{str(e)}"
     except Exception as e:
-        return f"⚠️ ERROR:\n\n{type(e).__name__}: {str(e)}"
+        return f"⚠️ **ERROR DE PROCESAMIENTO:**\n\n{str(e)}"
 
-# --- Interfaz ---
-with gr.Blocks() as demo:
+# --- Interfaz Gráfica (Gradio) ---
+with gr.Blocks(theme=gr.themes.Soft(primary_hue="purple")) as demo:
     gr.Markdown("""
-    # Detector de Patrones Auditivos (EVP)
-    ## Sube un MP3 de silencio o graba tu habitación.
-    *La IA intentará encontrar palabras donde solo hay ruido estático.*
+    # 🕵️‍♂️ Detector de Patrones Auditivos (EVP)
+    ## Sube un MP3 de "silencio" o graba tu habitación.
+    *La IA intentará encontrar palabras donde solo hay ruido.*
     """)
     
     with gr.Row():
         with gr.Column():
             audio_input = gr.Audio(
-                label="Fuente de Audio", 
+                label="🎙️ Fuente de Audio", 
                 type="filepath",
-                sources=["upload", "microphone"]
+                sources=["upload", "microphone"],
+                format="mp3"
             )
-            btn_analizar = gr.Button("Analizar Ruido", variant="primary")
+            btn_analizar = gr.Button("🔮 Analizar Ruido", variant="primary")
         
         with gr.Column():
             output_text = gr.Textbox(
-                label="Resultado del Análisis", 
-                lines=6, 
-                max_lines=12
+                label="📜 Resultado del Análisis", 
+                lines=5, 
+                max_lines=10
             )
 
     btn_analizar.click(
@@ -90,9 +82,5 @@ with gr.Blocks() as demo:
         outputs=output_text
     )
 
-# --- Lanzamiento ---
 if __name__ == "__main__":
-    demo.launch(
-        server_name="0.0.0.0",
-        server_port=7860
-    )
+    demo.launch()