Spaces:
Runtime error
Runtime error
Update app.py
Browse files
app.py
CHANGED
@@ -4,40 +4,26 @@ import torchaudio
|
|
4 |
from audiocraft.models import MusicGen
|
5 |
from audiocraft.data.audio import audio_write
|
6 |
import logging
|
7 |
-
import os
|
8 |
import uuid
|
9 |
from torch.cuda.amp import autocast
|
10 |
import torch
|
11 |
|
12 |
-
# Configura el logging
|
13 |
logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s')
|
14 |
|
15 |
-
# Cargar el modelo globalmente solo una vez
|
16 |
logging.info("Iniciando y cargando el modelo preentrenado.")
|
17 |
-
model =
|
18 |
-
|
19 |
-
def cargar_modelo():
|
20 |
-
global model
|
21 |
-
if model is None:
|
22 |
-
logging.info("Cargando MusicGen por primera vez.")
|
23 |
-
model = MusicGen.get_pretrained('nateraw/musicgen-songstarter-v0.2')
|
24 |
-
logging.info("Modelo cargado exitosamente.")
|
25 |
-
else:
|
26 |
-
logging.info("El modelo ya ha sido cargado anteriormente, reutilizando.")
|
27 |
-
|
28 |
-
# Llamar a la función para cargar el modelo inmediatamente al inicio del script
|
29 |
-
cargar_modelo()
|
30 |
|
31 |
@spaces.GPU(queue=False)
|
32 |
def generar_musica(descripcion, melodia_audio, duracion):
|
33 |
-
# Limpiar la caché de la GPU antes de generar
|
34 |
torch.cuda.empty_cache()
|
35 |
torch.cuda.synchronize()
|
36 |
|
37 |
with autocast():
|
38 |
logging.info("Iniciando la generación de música.")
|
39 |
model.set_generation_params(duration=duracion)
|
40 |
-
|
41 |
if descripcion:
|
42 |
descripcion = [descripcion]
|
43 |
if melodia_audio:
|
@@ -51,30 +37,26 @@ def generar_musica(descripcion, melodia_audio, duracion):
|
|
51 |
else:
|
52 |
logging.info("Generando música de manera incondicional.")
|
53 |
wav = model.generate_unconditional(1)
|
54 |
-
|
55 |
filename = f'{str(uuid.uuid4())}.wav'
|
56 |
logging.info(f"Guardando la música generada con el nombre: {filename}")
|
57 |
path = audio_write(filename, wav[0].cpu().to(torch.float32), model.sample_rate, strategy="loudness", loudness_compressor=True)
|
58 |
-
print("Música guardada en", path, ".")
|
59 |
-
# Verifica la forma del tensor de audio generado y si fue guardado correctamente
|
60 |
logging.info(f"La forma del tensor de audio generado: {wav[0].shape}")
|
61 |
logging.info("Música generada y guardada con éxito.")
|
62 |
if not os.path.exists(path):
|
63 |
raise ValueError(f'No se pudo guardar el audio en {path}')
|
64 |
|
65 |
return path
|
66 |
-
|
67 |
-
# Definir la interfaz Gradio
|
68 |
descripcion = gr.Textbox(label="Descripción", placeholder="acústico, guitarra, melodía, trap, re menor, 90 bpm")
|
69 |
melodia_audio = gr.Audio(label="Melodía de audio (opcional)", type="filepath")
|
70 |
-
duracion = gr.Slider(label="Duración (segundos)", minimum=10, maximum=600, step=10, value=30)
|
71 |
output_path = gr.Audio(label="Música generada", type="filepath")
|
72 |
|
73 |
-
# Iniciar la aplicación en el puerto 7860
|
74 |
gr.Interface(
|
75 |
fn=generar_musica,
|
76 |
inputs=[descripcion, melodia_audio, duracion],
|
77 |
outputs=output_path,
|
78 |
title="Generador de Música",
|
79 |
description="Genera música utilizando el modelo MusicGen.",
|
80 |
-
).launch(server_port=7860)
|
|
|
4 |
from audiocraft.models import MusicGen
|
5 |
from audiocraft.data.audio import audio_write
|
6 |
import logging
|
7 |
+
import os
|
8 |
import uuid
|
9 |
from torch.cuda.amp import autocast
|
10 |
import torch
|
11 |
|
|
|
12 |
logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s')
|
13 |
|
|
|
14 |
logging.info("Iniciando y cargando el modelo preentrenado.")
|
15 |
+
model = MusicGen.get_pretrained('nateraw/musicgen-songstarter-v0.2')
|
16 |
+
logging.info("Modelo cargado exitosamente.")
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
17 |
|
18 |
@spaces.GPU(queue=False)
|
19 |
def generar_musica(descripcion, melodia_audio, duracion):
|
|
|
20 |
torch.cuda.empty_cache()
|
21 |
torch.cuda.synchronize()
|
22 |
|
23 |
with autocast():
|
24 |
logging.info("Iniciando la generación de música.")
|
25 |
model.set_generation_params(duration=duracion)
|
26 |
+
|
27 |
if descripcion:
|
28 |
descripcion = [descripcion]
|
29 |
if melodia_audio:
|
|
|
37 |
else:
|
38 |
logging.info("Generando música de manera incondicional.")
|
39 |
wav = model.generate_unconditional(1)
|
40 |
+
|
41 |
filename = f'{str(uuid.uuid4())}.wav'
|
42 |
logging.info(f"Guardando la música generada con el nombre: {filename}")
|
43 |
path = audio_write(filename, wav[0].cpu().to(torch.float32), model.sample_rate, strategy="loudness", loudness_compressor=True)
|
|
|
|
|
44 |
logging.info(f"La forma del tensor de audio generado: {wav[0].shape}")
|
45 |
logging.info("Música generada y guardada con éxito.")
|
46 |
if not os.path.exists(path):
|
47 |
raise ValueError(f'No se pudo guardar el audio en {path}')
|
48 |
|
49 |
return path
|
50 |
+
|
|
|
51 |
descripcion = gr.Textbox(label="Descripción", placeholder="acústico, guitarra, melodía, trap, re menor, 90 bpm")
|
52 |
melodia_audio = gr.Audio(label="Melodía de audio (opcional)", type="filepath")
|
53 |
+
duracion = gr.Slider(label="Duración (segundos)", minimum=10, maximum=600, step=10, value=30)
|
54 |
output_path = gr.Audio(label="Música generada", type="filepath")
|
55 |
|
|
|
56 |
gr.Interface(
|
57 |
fn=generar_musica,
|
58 |
inputs=[descripcion, melodia_audio, duracion],
|
59 |
outputs=output_path,
|
60 |
title="Generador de Música",
|
61 |
description="Genera música utilizando el modelo MusicGen.",
|
62 |
+
).queue(concurrency_count=10).launch(server_port=7860, server_name="0.0.0.0")
|