Sitio de noticias y contenido editorial sobre música, cine y cultura popular. Frontend con Next.js 14 App Router implementando Incremental Static Regeneration (revalidación cada 5 minutos) para balance entre contenido actualizado y performance excepcional. Backend headless CMS con KeystoneJS + PostgreSQL (Neon) para gestión editorial completa. Arquitectura híbrida: Server Components para SEO óptimo, Client Components estratégicos para interactividad. Integración con Cloudinary para CDN y optimización automática de imágenes. Features: sistema de autores, categorías dinámicas, posts destacados con hero visual, lazy loading de embeds multimedia (Spotify/YouTube/Bandcamp), logo 3D interactivo con Three.js. Stack: TypeScript, React, Tailwind CSS, GraphQL (URQL), Cloudinary, Docker. Deploy automatizado en Fly.io con zero-downtime. News and editorial content site about music, film and popular culture. Frontend with Next.js 14 App Router implementing Incremental Static Regeneration (revalidation every 5 minutes) for balance between updated content and exceptional performance. Headless CMS backend with KeystoneJS + PostgreSQL (Neon) for complete editorial management. Hybrid architecture: Server Components for optimal SEO, strategic Client Components for interactivity. Cloudinary integration for CDN and automatic image optimization. Features: author system, dynamic categories, featured posts with visual hero, lazy loading of multimedia embeds (Spotify/YouTube/Bandcamp), interactive 3D logo with Three.js. Stack: TypeScript, React, Tailwind CSS, GraphQL (URQL), Cloudinary, Docker. Automated deployment on Fly.io with zero-downtime. Sitio de noticias y contenido editorial sobre música, cine y cultura popular. Frontend con Next.js 14 App Router implementando Incremental Static Regeneration (revalidación cada 5 minutos) para balance entre contenido actualizado y performance excepcional. Backend headless CMS con KeystoneJS + PostgreSQL (Neon) para gestión editorial completa. Arquitectura híbrida: Server Components para SEO óptimo, Client Components estratégicos para interactividad. Integración con Cloudinary para CDN y optimización automática de imágenes. Features: sistema de autores, categorías dinámicas, posts destacados con hero visual, lazy loading de embeds multimedia (Spotify/YouTube/Bandcamp), logo 3D interactivo con Three.js. Stack: TypeScript, React, Tailwind CSS, GraphQL (URQL), Cloudinary, Docker. Deploy automatizado en Fly.io con zero-downtime.
Plataforma digital para label musical independiente. Sitio web para promoción de lanzamientos musicales y contenido editorial. Migración completa de arquitectura CSR (Client-Side Rendering) a ISR (Incremental Static Regeneration) con Next.js 14 App Router, logrando renderizado híbrido con cache inteligente de 5 minutos. Backend headless CMS desarrollado con KeystoneJS 6 + PostgreSQL (Neon) para gestión de contenido editorial. Implementación de Server Components para data fetching optimizado con generateStaticParams() y Client Components selectivos para interactividad. Sistema de posts con estados (featured/published), categorías públicas y páginas estáticas, todos con ISR. Features: hero carrusel de posts destacados con fetching server-side, grid infinito de posts con paginación, integración de embeds multimedia (Spotify/YouTube/Bandcamp) con lazy loading, metalinks automáticos a plataformas de streaming, logo 3D interactivo con Three.js/React Three Fiber, optimización de imágenes con Cloudinary CDN, sitemap XML dinámico con metadatos de imágenes. Monorepo con pnpm workspaces (apps/web-new + apps/cms). Optimizaciones: fuentes Inter self-hosted con preload, dynamic imports para reducir bundle inicial, loading states para cold starts en Fly.io. Stack: TypeScript, Next.js 14, React 18, Tailwind CSS, GraphQL (urql), KeystoneJS 6, PostgreSQL, Cloudinary, Three.js, Docker. Deploy automatizado en Fly.io. Digital platform for independent music label. Website for music releases promotion and editorial content. Complete migration from CSR (Client-Side Rendering) to ISR (Incremental Static Regeneration) architecture with Next.js 14 App Router, achieving hybrid rendering with intelligent 5-minute cache. Headless CMS backend developed with KeystoneJS 6 + PostgreSQL (Neon) for editorial content management. Server Components implementation for optimized data fetching with generateStaticParams() and selective Client Components for interactivity. Post system with states (featured/published), public categories and static pages, all with ISR. Features: hero carousel of featured posts with server-side fetching, infinite posts grid with pagination, multimedia embeds integration (Spotify/YouTube/Bandcamp) with lazy loading, automatic metalinks to streaming platforms, interactive 3D logo with Three.js/React Three Fiber, image optimization with Cloudinary CDN, dynamic XML sitemap with image metadata. Monorepo with pnpm workspaces (apps/web-new + apps/cms). Optimizations: self-hosted Inter fonts with preload, dynamic imports to reduce initial bundle, loading states for Fly.io cold starts. Stack: TypeScript, Next.js 14, React 18, Tailwind CSS, GraphQL (urql), KeystoneJS 6, PostgreSQL, Cloudinary, Three.js, Docker. Automated deployment on Fly.io. Plataforma digital para label musical independiente. Sitio web para promoción de lanzamientos musicales y contenido editorial. Migración completa de arquitectura CSR (Client-Side Rendering) a ISR (Incremental Static Regeneration) con Next.js 14 App Router, logrando renderizado híbrido con cache inteligente de 5 minutos. Backend headless CMS desarrollado con KeystoneJS 6 + PostgreSQL (Neon) para gestión de contenido editorial. Implementación de Server Components para data fetching optimizado con generateStaticParams() y Client Components selectivos para interactividad. Sistema de posts con estados (featured/published), categorías públicas y páginas estáticas, todos con ISR. Features: hero carrusel de posts destacados con fetching server-side, grid infinito de posts con paginación, integración de embeds multimedia (Spotify/YouTube/Bandcamp) con lazy loading, metalinks automáticos a plataformas de streaming, logo 3D interactivo con Three.js/React Three Fiber, optimización de imágenes con Cloudinary CDN, sitemap XML dinámico con metadatos de imágenes. Monorepo con pnpm workspaces (apps/web-new + apps/cms). Optimizaciones: fuentes Inter self-hosted con preload, dynamic imports para reducir bundle inicial, loading states para cold starts en Fly.io. Stack: TypeScript, Next.js 14, React 18, Tailwind CSS, GraphQL (urql), KeystoneJS 6, PostgreSQL, Cloudinary, Three.js, Docker. Deploy automatizado en Fly.io.
Plataforma de catálogo musical para productor independiente especializado en beats instrumentales, mixing y mastering. Frontend con SvelteKit implementando arquitectura híbrida: páginas individuales SSR para SEO óptimo + modal overlay client-side para UX fluida tipo Spotify. Backend FastAPI + PostgreSQL (Neon) con admin panel personalizado para gestión completa de playlists, tracks y configuración dinámica. Sistema de proxy interno para resolver CORS en navegación desde Google móvil. Integración con Cloudinary para almacenamiento y delivery de audio/imágenes por género. Features: reproductor de audio completo con shuffle inteligente, contador de plays con tracking API, newsletter float widget, theme switcher dark/light persistente, brand colors dinámicos desde dashboard, sitemap XML auto-generado, meta tags dinámicos OpenGraph/Twitter/Schema.org (MusicPlaylist). Stack: TypeScript, Svelte, Tailwind CSS, Axios, Three.js (logo 3D + efectos visuales), FastAPI, SQLAlchemy, Cloudinary. Deploy dual: Frontend en Fly.io, Backend en Fly.io con PostgreSQL en Neon. Music catalogue platform for independent producer specialized in instrumental beats, mixing and mastering. Frontend with SvelteKit implementing hybrid architecture: individual SSR pages for optimal SEO + client-side modal overlay for Spotify-like fluid UX. FastAPI + PostgreSQL (Neon) backend with custom admin panel for complete management of playlists, tracks and dynamic configuration. Internal proxy system to resolve CORS in navigation from Google mobile. Cloudinary integration for audio/image storage and delivery by genre. Features: complete audio player with intelligent shuffle, play counter with API tracking, newsletter float widget, persistent dark/light theme switcher, dynamic brand colors from dashboard, auto-generated XML sitemap, dynamic meta tags OpenGraph/Twitter/Schema.org (MusicPlaylist). Stack: TypeScript, Svelte, Tailwind CSS, Axios, Three.js (3D logo + visual effects), FastAPI, SQLAlchemy, Cloudinary. Dual deployment: Frontend on Fly.io, Backend on Fly.io with PostgreSQL on Neon. Plataforma de catálogo musical para productor independiente especializado en beats instrumentales, mixing y mastering. Frontend con SvelteKit implementando arquitectura híbrida: páginas individuales SSR para SEO óptimo + modal overlay client-side para UX fluida tipo Spotify. Backend FastAPI + PostgreSQL (Neon) con admin panel personalizado para gestión completa de playlists, tracks y configuración dinámica. Sistema de proxy interno para resolver CORS en navegación desde Google móvil. Integración con Cloudinary para almacenamiento y delivery de audio/imágenes por género. Features: reproductor de audio completo con shuffle inteligente, contador de plays con tracking API, newsletter float widget, theme switcher dark/light persistente, brand colors dinámicos desde dashboard, sitemap XML auto-generado, meta tags dinámicos OpenGraph/Twitter/Schema.org (MusicPlaylist). Stack: TypeScript, Svelte, Tailwind CSS, Axios, Three.js (logo 3D + efectos visuales), FastAPI, SQLAlchemy, Cloudinary. Deploy dual: Frontend en Fly.io, Backend en Fly.io con PostgreSQL en Neon.
Dashboard de analytics multi-tenant altamente optimizado con interfaz moderna y totalmente responsive, diseñado para monitoreo de métricas web en tiempo real a través de múltiples sitios y proyectos. Frontend construido con NiceGUI (framework reactivo basado en Vue.js) implementando un sistema de componentes modularizados y diseño UI Purple/Pink de alto contraste para máxima legibilidad. Backend potente en FastAPI con endpoints optimizados para análisis avanzado, sistema de caché mejorado con manejo de errores resiliente, y geolocalización automática vía MaxMind GeoIP. Arquitectura multi-tenant con aislamiento completo de datos y personalización por cliente, segmentada en microcomponentes async (charts, metrics, tables, heatmaps) con renderizado adaptativo según tipo de dispositivo. Sistema de visualización de datos robusto utilizando Plotly para representaciones interactivas: gráficos temporales, heatmaps de actividad, distribuciones geográficas y análisis de audiencia. Almacenamiento eficiente en PostgreSQL (Neon) con queries optimizadas por tenant y sistema de cacheo inteligente con namespaces y manejo avanzado de errores de conexión. Features destacados: gestión centralizada multi-sitio con selección dinámica de proyecto, análisis de crecimiento con comparativas temporales, métricas KPI con diseño Spotify-style, mapas de calor de actividad horaria, geolocalización automática de visitantes, breakdown completo de audiencia (dispositivos/navegadores/OS), y sistema refreshable asíncrono con actualización en tiempo real (@ui.refreshable). Nuevas funcionalidades incorporadas: sistema de ajuste de zona horaria para visualización de datos contextualizada geográficamente, permitiendo análisis preciso de patrones de tráfico según región. Exportación completa de datos a CSV con generación dinámica de reportes personalizados por sección y período seleccionado. Módulo de predicción con inteligencia artificial utilizando Gemini API (Google AI) para forecasting de métricas, análisis comparativo de períodos y recomendaciones accionables basadas en tendencias detectadas. Optimizaciones recientes: implementación completa de async/await para eliminar bloqueos de UI, sistema mejorado de manejo de errores de conexión a BD, timeout extendido para conexiones a bases de datos serverless, compresión automática de respuestas HTTP vía Fly.io proxy edge, formulario de login optimizado con atributos de seguridad mejorados, interfaz reactiva con binding preservado para operaciones asíncronas complejas. Stack: Python, FastAPI, NiceGUI, Google AI (Gemini API), Plotly, PostgreSQL, Tailwind CSS, Fly.io. Highly optimized multi-tenant analytics dashboard with a modern, fully responsive interface, designed for real-time web metrics monitoring across multiple sites and projects. Frontend built with NiceGUI (reactive framework based on Vue.js), implementing modular component system and a high-contrast Purple/Pink UI for maximum readability. Powerful backend in FastAPI with optimized endpoints for advanced analytics, improved cache system with resilient error handling, and automatic geolocation via MaxMind GeoIP. Multi-tenant architecture with full data isolation and per-client customization, segmented into async microcomponents (charts, metrics, tables, heatmaps) with adaptive rendering depending on device type. Robust data visualization system using Plotly for interactive representations: time charts, activity heatmaps, geographic distributions, and audience analysis. Efficient storage in PostgreSQL (Neon) with optimized per-tenant queries and smart caching with namespaces and advanced connection error handling. Key features: centralized multi-site management with dynamic project selection, growth analysis with temporal comparisons, Spotify-style KPI metrics, hourly activity heatmaps, automatic visitor geolocation, full audience breakdown (device/browser/OS), and asynchronous refreshable system with real-time updates (@ui.refreshable). New features incorporated: timezone adjustment system for geographically contextualized data visualization, enabling precise analysis of traffic patterns by region. Complete data export to CSV with dynamic generation of custom reports by section and selected period. AI prediction module using Gemini API (Google AI) for metrics forecasting, comparative period analysis, and actionable recommendations based on detected trends. Recent optimizations: complete async/await implementation to eliminate UI blocking, improved BD connection error handling system, extended timeout for serverless database connections, automatic HTTP response compression via Fly.io proxy edge, optimized login form with enhanced security attributes, reactive interface with preserved binding for complex asynchronous operations. Stack: Python, FastAPI, NiceGUI, Google AI (Gemini API), Plotly, PostgreSQL, Tailwind CSS, Fly.io. Dashboard de analytics multi-tenant altamente optimizado con interfaz moderna y totalmente responsive, diseñado para monitoreo de métricas web en tiempo real a través de múltiples sitios y proyectos. Frontend construido con NiceGUI (framework reactivo basado en Vue.js) implementando un sistema de componentes modularizados y diseño UI Purple/Pink de alto contraste para máxima legibilidad. Backend potente en FastAPI con endpoints optimizados para análisis avanzado, sistema de caché mejorado con manejo de errores resiliente, y geolocalización automática vía MaxMind GeoIP. Arquitectura multi-tenant con aislamiento completo de datos y personalización por cliente, segmentada en microcomponentes async (charts, metrics, tables, heatmaps) con renderizado adaptativo según tipo de dispositivo. Sistema de visualización de datos robusto utilizando Plotly para representaciones interactivas: gráficos temporales, heatmaps de actividad, distribuciones geográficas y análisis de audiencia. Almacenamiento eficiente en PostgreSQL (Neon) con queries optimizadas por tenant y sistema de cacheo inteligente con namespaces y manejo avanzado de errores de conexión. Features destacados: gestión centralizada multi-sitio con selección dinámica de proyecto, análisis de crecimiento con comparativas temporales, métricas KPI con diseño Spotify-style, mapas de calor de actividad horaria, geolocalización automática de visitantes, breakdown completo de audiencia (dispositivos/navegadores/OS), y sistema refreshable asíncrono con actualización en tiempo real (@ui.refreshable). Nuevas funcionalidades incorporadas: sistema de ajuste de zona horaria para visualización de datos contextualizada geográficamente, permitiendo análisis preciso de patrones de tráfico según región. Exportación completa de datos a CSV con generación dinámica de reportes personalizados por sección y período seleccionado. Módulo de predicción con inteligencia artificial utilizando Gemini API (Google AI) para forecasting de métricas, análisis comparativo de períodos y recomendaciones accionables basadas en tendencias detectadas. Optimizaciones recientes: implementación completa de async/await para eliminar bloqueos de UI, sistema mejorado de manejo de errores de conexión a BD, timeout extendido para conexiones a bases de datos serverless, compresión automática de respuestas HTTP vía Fly.io proxy edge, formulario de login optimizado con atributos de seguridad mejorados, interfaz reactiva con binding preservado para operaciones asíncronas complejas. Stack: Python, FastAPI, NiceGUI, Google AI (Gemini API), Plotly, PostgreSQL, Tailwind CSS, Fly.io.
Plataforma inteligente de generación de audio con capacidades de aprendizaje automático, diseñada para productores musicales. El sistema analiza patrones de preferencias del usuario mediante técnicas de ML para optimizar futuras generaciones, operando sobre una arquitectura híbrida de costo-cero. Sistema de Aprendizaje Automático (Machine Learning): Pattern Recognition Engine que extrae automáticamente características de prompts exitosos (BPM, instrumentación, keywords de género/mood) usando procesamiento de lenguaje natural y análisis estadístico. Audio Embeddings con vectorización de audio usando librosa para extraer características tímbricas, armónicas y espectrales (MFCC, chroma, spectral features), implementando búsqueda por similitud coseno en espacio latente de 30 dimensiones. Adaptive User Profiling con algoritmo de construcción de perfil en tiempo real que actualiza preferencias automáticamente tras cada feedback, calculando métricas como tasa de éxito, rangos preferidos y palabras clave correlacionadas. Recommendation System basado en análisis de embeddings históricos para predecir probabilidad de éxito de nuevas generaciones. Frontend: Vanilla JS, HTML5, CSS3 implementando SPA (Single Page Application) sin frameworks. Sistema de paginación client-side para manejo eficiente de datasets grandes. Dashboard de insights en tiempo real con visualización de patrones aprendidos. UI responsive y minimalista optimizada para flujo de trabajo de producción. Backend & Arquitectura: FastAPI como orquestador central RESTful, gestionando toda la lógica de negocio. Arquitectura Híbrida Desacoplada con separación de componentes: Centro de Comando (GitHub Codespaces) para backend, base de datos y sistema de aprendizaje; Worker de Generación (Google Colab) con GPU dedicada para inferencia de MusicGen; comunicación vía API REST con tunnel ngrok para conexión segura. Sistema de Persistencia: SQLite con esquema optimizado para almacenar metadatos de generaciones, embeddings de audio (vectores serializados como BLOB), feedback binario para construcción de dataset de entrenamiento, y estadísticas agregadas. Sistema de versionado Git para persistencia del conocimiento entre sesiones. Arquitectura eficiente: embeddings permanentes en BD (~2KB), archivos MP3 como artefactos transitorios (~1.2MB). IA & Modelos: MusicGen (Meta Audiocraft) para generación text-to-music en GPU. Gemini 2.0 Flash (LLM) para asistencia opcional en refinamiento técnico de prompts. Sistema dual de generación: modo directo (prompts sin modificación para máximo control) y modo asistido (optimización automática vía Gemini). Features Clave: Sistema de feedback binario para dataset curado, auto-análisis de patrones cada sesión, extracción automática de embeddings al generar, búsqueda de samples similares por características acústicas, predicción de preferencias basada en vectores históricos, paginación para historial extenso (20 items/página), workflow automatizado con scripts bash. Métricas & Análisis: Tasa de éxito en tiempo real (ratio likes/total), detección automática de BPM preferidos con cálculo de rangos y promedios, análisis de frecuencia de instrumentos mediante NLP en prompts, correlación de keywords de género/mood con feedback positivo, sistema de insights visuales para interpretación de patrones aprendidos. Stack: Python, FastAPI, Vanilla JS (ES6+), MusicGen (Audiocraft), Gemini 2.0 Flash, SQLite, NumPy, Librosa, GitHub Codespaces, Google Colab (GPU T4), ngrok. Intelligent audio generation platform with machine learning capabilities, designed for music producers. The system analyzes user preference patterns using ML techniques to optimize future generations, operating on a zero-cost hybrid architecture. Machine Learning System: Pattern Recognition Engine that automatically extracts features from successful prompts (BPM, instrumentation, genre/mood keywords) using natural language processing and statistical analysis. Audio Embeddings with audio vectorization using librosa to extract timbral, harmonic and spectral features (MFCC, chroma, spectral features), implementing cosine similarity search in 30-dimensional latent space. Adaptive User Profiling with real-time profile building algorithm that automatically updates preferences after each feedback, calculating metrics like success rate, preferred ranges and correlated keywords. Recommendation System based on historical embeddings analysis to predict success probability of new generations. Frontend: Vanilla JS, HTML5, CSS3 implementing SPA (Single Page Application) without frameworks. Client-side pagination system for efficient handling of large datasets. Real-time insights dashboard with learned patterns visualization. Responsive and minimalist UI optimized for production workflow. Backend & Architecture: FastAPI as central RESTful orchestrator, managing all business logic. Decoupled Hybrid Architecture with component separation: Command Center (GitHub Codespaces) for backend, database and learning system; Generation Worker (Google Colab) with dedicated GPU for MusicGen inference; communication via REST API with ngrok tunnel for secure connection. Persistence System: SQLite with optimized schema to store generation metadata, audio embeddings (vectors serialized as BLOB), binary feedback for training dataset construction, and aggregated statistics. Git versioning system for knowledge persistence between sessions. Efficient architecture: permanent embeddings in DB (~2KB), MP3 files as transient artifacts (~1.2MB). AI & Models: MusicGen (Meta Audiocraft) for text-to-music generation on GPU. Gemini 2.0 Flash (LLM) for optional assistance in technical prompt refinement. Dual generation system: direct mode (unmodified prompts for maximum control) and assisted mode (automatic optimization via Gemini). Key Features: Binary feedback system for curated dataset, auto-analysis of patterns each session, automatic embeddings extraction when generating, similar samples search by acoustic features, preference prediction based on historical vectors, pagination for extensive history (20 items/page), automated workflow with bash scripts. Metrics & Analysis: Real-time success rate (likes/total ratio), automatic detection of preferred BPMs with range and average calculation, instrument frequency analysis via NLP in prompts, genre/mood keywords correlation with positive feedback, visual insights system for learned patterns interpretation. Stack: Python, FastAPI, Vanilla JS (ES6+), MusicGen (Audiocraft), Gemini 2.0 Flash, SQLite, NumPy, Librosa, GitHub Codespaces, Google Colab (GPU T4), ngrok. Plataforma inteligente de generación de audio con capacidades de aprendizaje automático, diseñada para productores musicales. El sistema analiza patrones de preferencias del usuario mediante técnicas de ML para optimizar futuras generaciones, operando sobre una arquitectura híbrida de costo-cero. Sistema de Aprendizaje Automático (Machine Learning): Pattern Recognition Engine que extrae automáticamente características de prompts exitosos (BPM, instrumentación, keywords de género/mood) usando procesamiento de lenguaje natural y análisis estadístico. Audio Embeddings con vectorización de audio usando librosa para extraer características tímbricas, armónicas y espectrales (MFCC, chroma, spectral features), implementando búsqueda por similitud coseno en espacio latente de 30 dimensiones. Adaptive User Profiling con algoritmo de construcción de perfil en tiempo real que actualiza preferencias automáticamente tras cada feedback, calculando métricas como tasa de éxito, rangos preferidos y palabras clave correlacionadas. Recommendation System basado en análisis de embeddings históricos para predecir probabilidad de éxito de nuevas generaciones. Frontend: Vanilla JS, HTML5, CSS3 implementando SPA (Single Page Application) sin frameworks. Sistema de paginación client-side para manejo eficiente de datasets grandes. Dashboard de insights en tiempo real con visualización de patrones aprendidos. UI responsive y minimalista optimizada para flujo de trabajo de producción. Backend & Arquitectura: FastAPI como orquestador central RESTful, gestionando toda la lógica de negocio. Arquitectura Híbrida Desacoplada con separación de componentes: Centro de Comando (GitHub Codespaces) para backend, base de datos y sistema de aprendizaje; Worker de Generación (Google Colab) con GPU dedicada para inferencia de MusicGen; comunicación vía API REST con tunnel ngrok para conexión segura. Sistema de Persistencia: SQLite con esquema optimizado para almacenar metadatos de generaciones, embeddings de audio (vectores serializados como BLOB), feedback binario para construcción de dataset de entrenamiento, y estadísticas agregadas. Sistema de versionado Git para persistencia del conocimiento entre sesiones. Arquitectura eficiente: embeddings permanentes en BD (~2KB), archivos MP3 como artefactos transitorios (~1.2MB). IA & Modelos: MusicGen (Meta Audiocraft) para generación text-to-music en GPU. Gemini 2.0 Flash (LLM) para asistencia opcional en refinamiento técnico de prompts. Sistema dual de generación: modo directo (prompts sin modificación para máximo control) y modo asistido (optimización automática vía Gemini). Features Clave: Sistema de feedback binario para dataset curado, auto-análisis de patrones cada sesión, extracción automática de embeddings al generar, búsqueda de samples similares por características acústicas, predicción de preferencias basada en vectores históricos, paginación para historial extenso (20 items/página), workflow automatizado con scripts bash. Métricas & Análisis: Tasa de éxito en tiempo real (ratio likes/total), detección automática de BPM preferidos con cálculo de rangos y promedios, análisis de frecuencia de instrumentos mediante NLP en prompts, correlación de keywords de género/mood con feedback positivo, sistema de insights visuales para interpretación de patrones aprendidos. Stack: Python, FastAPI, Vanilla JS (ES6+), MusicGen (Audiocraft), Gemini 2.0 Flash, SQLite, NumPy, Librosa, GitHub Codespaces, Google Colab (GPU T4), ngrok.
