Готовый файл сообщал длительность 0,00 секунды, поэтому выглядел сломанным ещё до воспроизведения. Шагу, который должен оценивать результат, нечего было оценивать, и он пропускал всё. А когда модель изображений отклоняла одну картинку, вместе с ней отменялась уже пишущаяся песня. Все три исправлены.