Update app.py

app.py

@@ -47,16 +47,23 @@ model.cuda()
 
 print("Modelo cargado en GPU")
 
-def predict(prompt, language, reference_audio, temperature):
+def predict(prompt, language, reference_audio):
     try:
         if len(prompt) < 2 or len(prompt) > 600:
             return None, "El texto debe tener entre 2 y 600 caracteres."
 
-        # Otros parámetros pueden mantenerse como están o ajustarse ligeramente.
-        length_penalty = 1.0
-        repetition_penalty = 2.0
-        top_k = 50
-        top_p = 0.7  # Mayor estabilidad
+        # Obtener los parámetros de la configuración JSON
+        temperature = config.model_args.get("temperature", 0.85)
+        length_penalty = config.model_args.get("length_penalty", 1.0)
+        repetition_penalty = config.model_args.get("repetition_penalty", 2.0)
+        top_k = config.model_args.get("top_k", 50)
+        top_p = config.model_args.get("top_p", 0.85)
+
+        # Parámetros agregados
+        num_gpt_outputs = config.model_args.get("num_gpt_outputs", 32)
+        gpt_cond_len = config.model_args.get("gpt_cond_len", 24)
+        gpt_cond_chunk_len = config.model_args.get("gpt_cond_chunk_len", 4)
+        max_ref_len = config.model_args.get("max_ref_len", 10)
 
         gpt_cond_latent, speaker_embedding = model.get_conditioning_latents(
             audio_path=reference_audio
@@ -69,19 +76,24 @@ def predict(prompt, language, reference_audio, temperature):
             language,
             gpt_cond_latent,
             speaker_embedding,
-            temperature=temperature,  # Pasar temperatura ajustada
+            temperature=temperature,
             length_penalty=length_penalty,
             repetition_penalty=repetition_penalty,
             top_k=top_k,
-            top_p=top_p
+            top_p=top_p,
+            num_gpt_outputs=num_gpt_outputs,       # Número de muestras del modelo
+            gpt_cond_len=gpt_cond_len,             # Longitud del condicionamiento
+            gpt_cond_chunk_len=gpt_cond_chunk_len, # Tamaño del fragmento de audio
+            max_ref_len=max_ref_len                # Máximo de segundos para condicionamiento
         )
 
         inference_time = time.time() - start_time
         
         output_path = "pedro_labattaglia_TTS.wav"
+        # Guardar el audio directamente desde el output del modelo
         wavfile.write(output_path, config.audio["output_sample_rate"], out["wav"])
 
-        audio_length = len(out["wav"]) / config.audio["output_sample_rate"]
+        audio_length = len(out["wav"]) / config.audio["output_sample_rate"]  # duración del audio en segundos
         real_time_factor = inference_time / audio_length
 
         metrics_text = f"Tiempo de generación: {inference_time:.2f} segundos\n"
@@ -112,9 +124,7 @@ theme = gr.themes.Soft(
 
 description = """
 # Sintetizador de voz de Pedro Labattaglia 🎙️
-
 Sintetizador de voz con la voz del locutor argentino Pedro Labattaglia. 
-
 ## Cómo usarlo:
 - Elija el idioma (Español o Inglés)
 - Elija un audio de referencia de la lista 
@@ -143,17 +153,6 @@ with gr.Blocks(theme=theme) as demo:
             language_selector = gr.Dropdown(label="Idioma", choices=supported_languages)
             reference_audio = gr.Dropdown(label="Audio de referencia", choices=reference_audios)
             input_text = gr.Textbox(label="Texto a sintetizar", placeholder="Escribe aquí el texto que quieres convertir a voz...")
-            
-            # Aquí está el slider de temperatura con una breve explicación
-            temperature_slider = gr.Slider(
-                minimum=0.1, 
-                maximum=1.0, 
-                value=0.2, 
-                step=0.05, 
-                label="Temperatura (Estabilidad vs Creatividad)", 
-                info="Valores bajos generan una voz más estable pero menos creativa, mientras que valores más altos permiten más variabilidad en la voz."
-            )
-            
             generate_button = gr.Button("Generar voz", variant="primary")
 
         with gr.Column(scale=1):
@@ -163,7 +162,7 @@ with gr.Blocks(theme=theme) as demo:
     # Configuración del botón para generar voz
     generate_button.click(
         predict,
-        inputs=[input_text, language_selector, reference_audio, temperature_slider],  # Se incluye el slider aquí
+        inputs=[input_text, language_selector, reference_audio],
         outputs=[generated_audio, metrics_output]
     )