Desarrollo de un sistema de recomendación musical mediante integración de modelos de lenguaje y Api's de streaming

Abstract

El presente trabajo aborda el desarrollo de un sistema de recomendación musical centrado en la interacción conversacional. Este sistema se logra mediante la integración de la interfaz de programación de aplicaciones (API) de Spotify y un modelo de lenguaje grande (LLM), específicamente Google Gemini. La justificación de este proyecto radica en el potencial de los modelos de lenguaje actuales para la comprensión y el procesamiento del lenguaje humano. Si bien esta tecnología ha sido recientemente empleada en la industria del streaming musical, no se ha explotado plenamente su capacidad conversacional como mecanismo para fomentar la exploración y el descubrimiento autónomo de música por parte del usuario, un factor crucial para el desarrollo de algoritmos y esencial para la continuidad del uso del servicio y la sostenibilidad del negocio. La arquitectura implementada divide las tareas entre un entorno backend (utilizando FastAPI) y un entorno frontend (utilizando Vite+React). Ambos entornos fueron desplegados en la nube para el uso restringido de usuarios de prueba, empleando Render para el backend y Vercel para el frontend. El resultado es un sistema capaz de interpretar solicitudes en lenguaje natural y combinarlas con el historial de reproducciones de Spotify del usuario para generar una respuesta que incluye una sugerencia musical, su enlace a la plataforma y la descripción y justificación de la selección. De este modo, se proporciona un valor en un contexto adicional cuyo objetivo es incentivar al usuario a una mejor comprensión musical, a generar un vínculo más estrecho y a explorar alternativas similares. Los resultados obtenidos en las pruebas piloto indicaron que el 90% de los usuarios experimentó una mayor motivación para explorar nueva música gracias al contexto proporcionado. Se concluye que la humanización del sistema automático de recomendación confiere un valor que lo distingue de soluciones previas y lo posiciona como una solución novedosa y válida para el negocio del streaming musical.