Update app.py

app.py

@@ -10,66 +10,50 @@ os.environ["TOKENIZERS_PARALLELISM"] = "true"
 generator = pipeline('text-generation', model="salomonsky/deepSP")
 tokenizer = GPT2Tokenizer.from_pretrained('salomonsky/deepSP')
 
-def generate_output(text):
+def generate_output(text, image):
     prompt = ""
     input_tokens = tokenizer.encode(text, add_special_tokens=False)
     input_text = tokenizer.decode(input_tokens)
     gpt2_output = generator(input_text, max_length=20, do_sample=True, temperature=0.9)
-    if len(gpt2_output) == 0 or 'generated_text' not in gpt2_output[0]:
-        return None, "No se pudo generar el texto."
-
     generated_text = gpt2_output[0]['generated_text']
     generated_text = generated_text.replace(input_text, "").strip()
 
-    try:
-        tts = gTTS(generated_text, lang='es')
-        temp_audio_path = "temp_audio.mp3"
-        tts.save(temp_audio_path)
-        audio_path = "audio.wav"
-        audio = AudioSegment.from_mp3(temp_audio_path)
-        audio.export(audio_path, format="wav")
-        print("Archivo de audio generado:", audio_path)
-    except Exception as e:
-        return None, f"No se pudo generar el audio: {str(e)}"
-
-    face_image_path = "face.jpg"
-    if not os.path.isfile(face_image_path):
-        return None, "No se encontró el archivo de imagen de cara."
-
-    print("Archivo de imagen de cara:", face_image_path)
+    tts = gTTS(generated_text, lang='es')
+    temp_audio_path = "temp_audio.mp3"
+    tts.save(temp_audio_path)
+    audio_path = "audio.wav"
+    audio = AudioSegment.from_mp3(temp_audio_path)
+    audio.export(audio_path, format="wav")
 
-    command = f"python3 inference.py --checkpoint_path checkpoints/wav2lip_gan.pth --face {face_image_path} --audio {audio_path} --outfile video.mp4 --nosmooth"
+    command = f"python3 inference.py --checkpoint_path checkpoints/wav2lip_gan.pth --face {image} --audio audio.wav --outfile video.mp4 --nosmooth"
     process = subprocess.run(command, shell=True, stdout=subprocess.PIPE, stderr=subprocess.PIPE)
     if process.returncode != 0:
-        error_message = process.stderr.decode()
-        return None, f"No se pudo generar el video: {error_message}"
+        error_message = process.stderr.decode("utf-8")
+        return None, error_message
 
     output_video_path = "video.mp4"
-    print("Archivo de video generado:", output_video_path)
-
     os.remove(temp_audio_path)
 
     if os.path.isfile(output_video_path):
         return output_video_path, None
 
-    return None, "No se pudo generar el video."
+    return None, "No se pudo generar el video"
 
-def error_message_fn(error_message):
-    if error_message is not None:
-        return gr.outputs.Textbox(text=error_message, placeholder="Error")
-    else:
-        return None
+choices = ["1.jpg", "2.jpg", "3.jpg", "4.jpg", "5.jpg", "6.jpg"]
+thumbnail_width = "50px"
 
 iface = gr.Interface(
     fn=generate_output,
-    inputs=gr.inputs.Textbox(lines=1, placeholder='Escribe tu nombre para presentarte con Andrea...'),
+    inputs=[
+        gr.inputs.Textbox(lines=1, placeholder='Escribe tu nombre para presentarte con Andrea...'),
+        gr.inputs.Radio(choices, label="Selecciona una imagen:")
+    ],
     outputs=[
         gr.outputs.Video(label="Respuesta de Andrea (un minuto aproximadamente)"),
-        gr.outputs.Textbox(label="Mensaje de error", type="text")
+        gr.outputs.Textbox(label="Mensaje de error", type="auto")
     ],
     title="Andrea - Humanoid Chatbot IA 2023(c)",
-    error="No se pudo generar la salida.",
-    error_message=error_message_fn
+    thumbnail_width=thumbnail_width
 )
 
 iface.launch()