Update app.py

app.py

@@ -47,17 +47,16 @@ model.cuda()
 
 print("Modelo cargado en GPU")
 
-def predict(prompt, language, reference_audio):
+def predict(prompt, language, reference_audio, temperature):
     try:
         if len(prompt) < 2 or len(prompt) > 600:
             return None, "El texto debe tener entre 2 y 600 caracteres."
 
-        # 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)
+        # 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
 
         gpt_cond_latent, speaker_embedding = model.get_conditioning_latents(
             audio_path=reference_audio
@@ -70,7 +69,7 @@ def predict(prompt, language, reference_audio):
             language,
             gpt_cond_latent,
             speaker_embedding,
-            temperature=temperature,
+            temperature=temperature,  # Pasar temperatura ajustada
             length_penalty=length_penalty,
             repetition_penalty=repetition_penalty,
             top_k=top_k,
@@ -80,11 +79,9 @@ def predict(prompt, language, reference_audio):
         inference_time = time.time() - start_time
         
         output_path = "pedro_labattaglia_TTS.wav"
-        # Guardar el audio directamente desde el output del modelo
-        import scipy.io.wavfile as wavfile
         wavfile.write(output_path, config.audio["output_sample_rate"], out["wav"])
 
-        audio_length = len(out["wav"]) / config.audio["output_sample_rate"]  # duración del audio en segundos
+        audio_length = len(out["wav"]) / config.audio["output_sample_rate"]
         real_time_factor = inference_time / audio_length
 
         metrics_text = f"Tiempo de generación: {inference_time:.2f} segundos\n"
@@ -146,17 +143,27 @@ 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):
             generated_audio = gr.Audio(label="Audio generado", interactive=False)
             metrics_output = gr.Textbox(label="Métricas", value="Tiempo de generación: -- segundos\nFactor de tiempo real: --")
 
-
     # Configuración del botón para generar voz
     generate_button.click(
         predict,
-        inputs=[input_text, language_selector, reference_audio],
+        inputs=[input_text, language_selector, reference_audio, temperature_slider],  # Se incluye el slider aquí
         outputs=[generated_audio, metrics_output]
     )