Neural Echo

¿Qué es?

Un optimizador de música con feedback de cerebro artificial: subes una canción y una restricción creativa en lenguaje natural, y un agente de IA remezcla la pista hasta que un modelo de encoding cerebral confirma que estimula sensorialmente igual al contenido original.

Descripción

NeuralEcho resuelve un problema de las herramientas de generación musical con IA: no hay forma objetiva de saber si una nueva composición realmente se siente como la referencia que el usuario tenía en mente.

El sistema corre un loop de optimización cerrado: → Un agente propone un plan de composición en ElevenLabs Music v2 → El plan se renderiza a audio → el audio se puntúa comparando su respuesta cerebral predicha (usando el modelo de encoding cerebral TRIBE v2, de Meta) contra la de la canción de referencia → Los puntajes y diagnósticos por red cerebral vuelven a Claude, que escribe una hipótesis y propone el siguiente plan → El ciclo se repite hasta convergencia, un límite de generaciones o un límite de paciencia. El usuario ve la evolución en vivo y descarga la versión ganadora.

La interfaz es "upload-first": subes tu canción de referencia y tu restricción, y el sistema itera solo. El input por URL de YouTube está visible en la interfaz pero marcado como "próximamente" y no puede seleccionarse todavía.

Arquitectura

neural_echo/ compat.py shims de compatibilidad con TRIBE ingest.py YouTube/upload -> clip de referencia normalizado (90s) metric.py la función de costo cerebral (región x ventana temporal) atlases.py atlas Destrieux (fsaverage5) -> regiones anatómicas generator.py schema del "genoma" + cliente async de ElevenLabs analysis.py features de librosa para el plan inicial de Claude optimizer.py el loop de optimización (single-lineage, LangGraph) services/api/ app FastAPI: envío de jobs, stream de progreso (SSE), artefactos apps/web/ frontend en Next.js (3 pantallas: setup, evolución, resultado) data/clip_library/ librería de clips de referencia (usada por los tests) tests/ gate de validación de la métrica

Stack

• Claude Sonnet 5 — razona sobre los diagnósticos y propone cada plan de composición
• ElevenLabs Music v2 — renderiza cada plan a audio
• TRIBE v2 (Meta) — modelo de encoding cerebral que predice la respuesta neuronal a cada clip
• FastAPI + LangGraph — orquestación del loop de optimización y la API
• Next.js — frontend con las tres pantallas del flujo

Consideraciones

• La vista de superficie cortical acompaña el run en vivo: muestra el cerebro de referencia y el del candidato lado a lado, y anima la evolución del candidato a través de las iteraciones del optimizador.

Track

🌐 Simulations

Equipo

• Daniel Vargas (@dcsand)
• Juan David Ramírez Jimenez (@judramirezj)
• Sebastian Cuellar Harker (@sebascuha)