Update app.py

app.py

@@ -11,14 +11,14 @@ def classify_audio(audio_file):
     model = tf.keras.models.load_model('my_model.h5')  
 
     # Preprocesa el audio
-    audio, sr = librosa.load(audio_file, sr=8000) # Asegúrate de que la frecuencia de muestreo coincide con la del entrenamiento
-    mfccs = librosa.feature.mfcc(y=audio, sr=sr, n_mfcc=40) # Extrae las MFCCs
-    mfccs_processed = np.mean(mfccs.T,axis=0) # Calcula la media de las MFCCs
-    mfccs_processed = mfccs_processed.reshape(1, 40) # Redimensiona para la entrada del modelo
+    audio, sr = librosa.load(audio_file, sr=8000) 
+    mfccs = librosa.feature.mfcc(y=audio, sr=sr, n_mfcc=40)
+    mfccs_processed = np.mean(mfccs.T,axis=0) 
+    mfccs_processed = mfccs_processed.reshape(1, 40, 1) # Redimensiona a (1, 40, 1)
 
     # Realiza la predicción
     prediction = model.predict(mfccs_processed)
-    predicted_label_index = np.argmax(prediction) # Obtiene el índice de la etiqueta predicha
+    predicted_label_index = np.argmax(prediction) 
 
     # Devuelve la etiqueta predicha
     predicted_label = labels[predicted_label_index]