Update app.py

app.py

@@ -138,6 +138,43 @@ if audio_file is not None:
     st.pyplot(fig_spec)
 
 
+        # Energía del audio
+    st.subheader("Energía a lo largo del tiempo")
+    hop_length = 512
+    frame_length = 1024
+    energy = np.array([
+        sum(abs(y[i:i+frame_length]**2))
+        for i in range(0, len(y), hop_length)
+    ])
+    fig_energy, ax_energy = plt.subplots(figsize=(10, 2.5))
+    ax_energy.plot(energy, color='orange')
+    ax_energy.set_title("Energía del audio")
+    ax_energy.set_xlabel("Frames")
+    ax_energy.set_ylabel("Energía")
+    st.pyplot(fig_energy)
+
+    # Espectro promedio
+    st.subheader("Espectro Promedio (Frecuencia vs Magnitud)")
+    S = np.abs(librosa.stft(y))
+    spectral_avg = np.mean(S, axis=1)
+    freqs = librosa.fft_frequencies(sr=sr)
+    fig_spec_avg, ax_spec_avg = plt.subplots(figsize=(10, 3))
+    ax_spec_avg.semilogy(freqs, spectral_avg)
+    ax_spec_avg.set_xlabel("Frecuencia (Hz)")
+    ax_spec_avg.set_ylabel("Magnitud promedio")
+    ax_spec_avg.set_title("Espectro Promedio")
+    st.pyplot(fig_spec_avg)
+
+    # Spectral Roll-off
+    st.subheader("Punto de Roll-off Espectral")
+    rolloff = librosa.feature.spectral_rolloff(y=y, sr=sr)[0]
+    fig_roll, ax_roll = plt.subplots(figsize=(10, 2.5))
+    ax_roll.plot(rolloff, color='purple')
+    ax_roll.set_ylabel('Hz')
+    ax_roll.set_xlabel('Frames')
+    ax_roll.set_title('Spectral Roll-off (frecuencia donde se concentra la energía)')
+    st.pyplot(fig_roll)
+
 
 
 
@@ -173,16 +210,13 @@ with st.expander("Ver Conclusión"):
 
 ### Aplicaciones en vehículos inteligentes
 
--  **Asistencia al conductor en tiempo real**: Al detectar sirenas, el vehículo puede alertar al conductor para que tome decisiones seguras, como ceder el paso a vehículos de emergencia.
--  **Complemento a sensores visuales**: Este sistema actúa como un canal sensorial adicional que no depende de la visibilidad, mejorando la percepción del entorno en condiciones adversas.
--  **Integración con conducción autónoma**: Permite que vehículos autónomos respondan de forma segura ante eventos acústicos como ambulancias o patrullas.
--  **Detección pasiva y eficiente**: Opera en segundo plano sin requerir intervención directa, lo que lo hace ideal para su uso en sistemas de bajo consumo.
+-  **Asistencia al conductor en tiempo real**: Al detectar sirenas, el vehículo puede alertar al conductor para que tome decisiones seguras, como ceder el paso a vehículos de emergencia, asi ser complemento a sensores visuales**: Este sistema actúa como un canal sensorial adicional que no depende de la visibilidad, mejorando la percepción del entorno en condiciones adversas.
 
 ---
 
 ### Conclusión final
 
-El sentido auditivo sigue siendo un componente subutilizado en los vehículos inteligentes. Este sistema demuestra cómo los modelos de audio preentrenados pueden implementarse fácilmente para **mejorar la seguridad vial** y **la capacidad de respuesta del conductor o del sistema autónomo** ante situaciones de emergencia.
+Este sistema demuestra cómo los modelos de audio de procesamiento pueden implementarse  para **mejorar la seguridad vial** y **la capacidad de respuesta del conductor ** ante situaciones de emergencia.
     """)