Update app.py

app.py

@@ -3,47 +3,89 @@ import librosa
 import numpy as np
 from pydub import AudioSegment
 
-def ghost_critic_v9(tu_track, track_ref, intensidad):
+def neuro_producer_v10(tu_track, track_ref, intensidad):
     if tu_track is None:
-        return None, "Sube tu audio.", "...", "https://images.unsplash.com/photo-1614613535308-eb5fbd3d2c17?q=80&w=500", "..."
+        return None, "Sube audio para iniciar el escaneo neuronal.", "...", "https://images.unsplash.com/photo-1614613535308-eb5fbd3d2c17?q=80&w=500", "..."
     
     try:
-        # 1. CARGA Y ANÁLISIS ESPECTRAL
-        y, sr = librosa.load(tu_track, duration=30)
-        # Análisis de Key
+        # 1. CARGA Y EXTRACCIÓN DE ADN MUSICAL
+        y, sr = librosa.load(tu_track, duration=45) # Más duración para analizar estructura
+        
+        # Key y Estilo
         chroma = librosa.feature.chroma_cqt(y=y, sr=sr)
         notas = ["C", "C#", "D", "D#", "E", "F", "F#", "G", "G#", "A", "A#", "B"]
         key_det = notas[np.argmax(np.mean(chroma, axis=1))]
         
-        # 2. COMPARATIVA DE MEZCLA Y COMPOSICIÓN
-        critica_comp = "⚠️ Composición: Sube una referencia para analizar la estructura."
-        critica_mix = "⚠️ Mezcla: Falta análisis comparativo."
-        
+        # 2. ESCANEO DE ERRORES FRECUENTES
+        # Detección de 'Mud' (Barro en graves-medios)
+        S = np.abs(librosa.stft(y))
+        mud_zone = np.mean(S[librosa.fft_frequencies(sr=sr) < 500])
+        clear_zone = np.mean(S[librosa.fft_frequencies(sr=sr) > 2000])
+        mud_ratio = mud_zone / (clear_zone + 1e-6)
+
+        # 3. COMPARATIVA AVANZADA
+        diagnostico = "🧠 DIAGNÓSTICO NEURONAL:\n"
         if track_ref is not None:
-            y_r, _ = librosa.load(track_ref, duration=30)
-            
-            # Comparar Brillo (Spectral Centroid)
-            sc_tu = np.mean(librosa.feature.spectral_centroid(y=y, sr=sr))
-            sc_ref = np.mean(librosa.feature.spectral_centroid(y=y_r, sr=sr))
+            y_r, _ = librosa.load(track_ref, duration=45)
             
-            # Comparar Densidad (RMS)
-            rms_tu = np.sqrt(np.mean(y**2))
-            rms_ref = np.sqrt(np.mean(y_r**2))
+            # Comparar Transientes (Pegada del Kick/Snare)
+            onset_tu = len(librosa.onset.onset_detect(y=y, sr=sr))
+            onset_ref = len(librosa.onset.onset_detect(y=y_r, sr=sr))
             
-            # Lógica de Crítica de Mezcla
-            if sc_tu < sc_ref * 0.8:
-                critica_mix = "❌ MEZCLA: Tu track suena 'oscuro'. Falta brillo en los hi-hats y sintes (zona 8k-12kHz)."
-            elif sc_tu > sc_ref * 1.2:
-                critica_mix = "❌ MEZCLA: Demasiados agudos. Tu mezcla va a fatigar el oído. Baja los platos."
+            # Informe de Composición y Mezcla
+            if onset_tu < onset_ref * 0.8:
+                diagnostico += "❌ RITMO: Tu composición es estática. Falta percusión secundaria (ghost snares o hi-hats rítmicos).\n"
             else:
-                critica_mix = "✅ MEZCLA: El balance de brillo está en el punto profesional."
-
-            # Lógica de Crítica de Composición/Arreglo
-            if rms_tu < rms_ref * 0.7:
-                critica_comp = "❌ COMPOSICIÓN: El drop se siente vacío. Añade capas (layers) de sintes o percusión extra (shakers/rides)."
+                diagnostico += "✅ RITMO: Movimiento rítmico excelente.\n"
+                
+            if mud_ratio > 15: # Umbral de 'barro'
+                diagnostico += "❌ MEZCLA: Tienes 'barro' (mud) en 300Hz. Limpia con un EQ tu bajo y quita medios a lo que no sea necesario.\n"
             else:
-                critica_comp = "✅ COMPOSICIÓN: La densidad de elementos es sólida y potente."
+                diagnostico += "✅ MEZCLA: Espacio de medios-graves limpio.\n"
+        else:
+            diagnostico += "ℹ️ Sube una referencia para un escaneo de estructura y pegada.\n"
 
-        # 3. MASTERING
+        # 4. MASTERING INTELIGENTE
         audio = AudioSegment.from_file(tu_track)
-        audio = audio.apply_gain((intensidad / 10) - 5)
+        # Limpieza automática: Aplicamos un suave Roll-off si hay mucho barro
+        if mud_ratio > 15:
+            audio = audio.low_pass_filter(5000) # Simulación de suavizado
+            
+        audio = audio.apply_gain((intensidad / 10) - 5)
+        audio.export("master_v10.wav", format="wav")
+        
+        # Informe Final
+        informe = diagnostico + "\n🎹 RECOMENDACIÓN DE ARREGLO:\n"
+        informe += "Tu track está en " + key_det + ". Si el drop no tiene fuerza, añade un 'Noise Layer' blanco durante el impacto.\n\n"
+        informe += "🛠️ CADENA DE VSTs RECOMENDADA:\n"
+        informe += "1. Soothe2 (Para resonancias en 2kHz-5kHz)\n"
+        informe += "2. Gulfoss (Para equilibrio tonal inteligente)\n"
+        informe += "3. Invisible Limiter (Para un master transparente)\n"
+        
+        prompt = "Neural Music Interface, " + key_det + " harmonic colors, data visualization, cyberpunk producer, 8k."
+        
+        return "master_v10.wav", informe, key_det, "https://images.unsplash.com/photo-1508700115892-45ecd05ae2ad?q=80&w=500", prompt
+
+    except Exception as e:
+        return None, "Error de procesado: " + str(e), "!", None, "..."
+
+# Interfaz UI
+with gr.Blocks(theme=gr.themes.Monochrome(primary_hue="orange")) as demo:
+    gr.Markdown("# 🧠 DNB NEURO-PRODUCER v10.0")
+    with gr.Row():
+        with gr.Column(scale=1):
+            in_t = gr.Audio(label="TU PROYECTO (WAV/MP3)", type="filepath")
+            in_r = gr.Audio(label="REFERENCIA 'GOLD STANDARD'", type="filepath")
+            in_s = gr.Slider(0, 100, label="PRESIÓN DE MASTERIZACIÓN", value=85)
+            btn = gr.Button("🧠 INICIAR ANÁLISIS NEURONAL", variant="primary")
+        with gr.Column(scale=2):
+            out_a = gr.Audio(label="RESULTADO MASTERIZADO")
+            out_i = gr.Textbox(label="DIAGNÓSTICO TÉCNICO Y ARTÍSTICO", lines=12)
+            with gr.Row():
+                out_k = gr.Label(label="KEY")
+                out_p = gr.Textbox(label="PROMPT GENERATIVO")
+            out_m = gr.Image(label="VIBE")
+
+    btn.click(neuro_producer_v10, [in_t, in_r, in_s], [out_a, out_i, out_k, out_m, out_p])
+
+demo.launch()