La mayor parte del tiempo en Noema no necesitas escribir nada: abres la app, tocas un estado de ánimo—Focus, Relax, Sleep, Workout—y una estación de radio adaptativa comienza al instante. Sin cajas de texto y sin buscar listas.
Pero cuando inicias sesión y entras en el modo Crear tu propia música (Create Your Own) para transformar un recuerdo personal en canción, cada palabra importa. En Quick Prompt Mode puedes escribir una idea breve en el campo de descripción—como "Recuerdo de un verano en RD", "Una canción de amor para mi madre" o "una bachata triste sobre un amor perdido en Santo Domingo"—para que Noema genere tanto los instrumentos como la letra cantada.
Uno no piensa en un recuerdo en Santo Domingo, San Juan, Ciudad de México o Madrid en inglés para luego traducirlo. Lo siente en español.
Sin embargo, al probar descripciones cortas en español dentro de Quick Prompt Mode, notamos un fallo desconcertante: los instrumentos respetaban el género latino, pero la voz salía cantando en inglés. Al inspeccionar el payload, encontramos la causa: nuestra propia tubería de backend estaba eclipsando sin querer el idioma de los prompts cortos.
Anatomía de un Prompt Secuestrado
Cada pista vocal generada en Noema pasa por una capa de seguridad antes de llegar al motor de síntesis musical, añadiendo una instrucción del sistema al final del prompt para garantizar que la letra generada sea apta para todo público.
Cuando alguien escribía una descripción larga de 40 palabras en inglés—o pegaba su propia letra completa en Full Song Mode—esa instrucción adicional era totalmente transparente. Incluso en descripciones largas de varias oraciones en español, el español conservaba suficiente peso para que el modelo cantara en español.
Pero en Quick Prompt Mode nadie escribe un ensayo de 40 palabras en el celular. Escriben seis palabras desde el corazón: "Recuerdo de un verano en RD."
Mira lo que ocurría con el balance de idioma cuando un prompt corto en español se combinaba con una instrucción del sistema en inglés:
Inspector Interactivo de Prompts
Las palabras del sistema en inglés superan aproximadamente 3 a 1 a las 6 palabras en español. El modelo sigue el idioma dominante y canta en inglés.
La evaluación en memoria por margen relativo de n-gramas selecciona instrucciones nativas sin esperar una traducción externa por LLM.
Como las palabras del sistema en inglés superaban en proporción de casi 3 a 1 a las seis palabras en español del usuario, el modelo armaba fielmente las guitarras dominicanas y cantaba encima en inglés.
Resolverlo Sin Añadir Latencia de Traducción
La salida obvia habría sido enviar cada prompt a un LLM externo para clasificar el idioma o traducir las instrucciones del sistema en vivo antes de generar la música.
Descartamos esa opción de inmediato:
- Cero espera adicional: Llamar a un LLM externo antes de cada canción añade cientos de milisegundos de latencia de red y un punto extra de fallo antes de que comience la síntesis de audio.
- Comportamiento determinista: Las reglas del sistema deben ser cadenas nativas revisadas y predecibles, no traducciones improvisadas en tiempo real.
En su lugar, construimos un selector local en memoria que se ejecuta en menos de un milisegundo (<1ms) sin llamadas de red, combinando detección estadística de n-gramas con instrucciones nativas en 10 idiomas.
Por Qué los Prompts Musicales Confunden a los Detectores Clásicos
Si la detección por n-gramas es tan rápida, ¿por qué no tomar simplemente el idioma #1 que devuelva? Porque los prompts musicales no se parecen en nada a los párrafos con los que se entrenan los detectores tradicionales.
Las descripciones musicales son breves, mezclan términos globales de géneros (bachata, reggaetón, lofi, synthwave) y se escriben rápido desde el teclado del teléfono. En frases como "una canción de reggaetón suave para escuchar de noche", el puntaje bruto de confianza baja considerablemente debido a los préstamos musicales. Un umbral fijo descartaría prompts válidos en español todos los días.
Y a eso se suman los errores de dedo en móvil.
La Prueba del Typo "Recurredo"
Al evaluar prompts reales nos encontramos con esta entrada de seis palabras:
"Recurredo de un verano en RD" (una letra invertida en Recuerdo).
En una frase de apenas seis palabras, esa única letra invertida altera los n-gramas lo suficiente para que los candidatos #1 y #2 del detector—español e italiano—queden en un empate virtual. Si el sistema elige a ciegas el idioma #1 por una fracción de punto, un simple error de teclado en el iPhone podría inyectar instrucciones en italiano dentro de un recuerdo dominicano.
Márgenes de Confianza Relativos + Fallback Anclado al Idioma
En lugar de confiar únicamente en el puntaje bruto, nuestro detector evalúa la ventaja relativa entre el idioma #1 y el #2—exigiendo un margen más claro en prompts muy cortos que en descripciones largas. Cuando un error de dedo o una mezcla de géneros produce un empate técnico, el sistema activa un fallback anclado al idioma que le indica al motor que cante en el mismo idioma de la descripción del usuario.
Resultado: Selecciona las instrucciones nativas en ese mismo idioma (payload 100% en español).
Resultado: Activa un fallback neutral que ancla la voz al idioma de la descripción del usuario.
Protegiendo Tus 250 Caracteres de Creatividad
Como explicamos en nuestra Guía de Fórmula de Prompts, el campo de descripción de Noema funciona mejor cuando mantienes tu prompt por debajo de los 250 caracteres.
Si escribes una descripción detallada de 240 caracteres en español especificando instrumentos, ritmo y atmósfera vocal, añadir una instrucción larga por detrás podría restarle espacio a tus propias palabras.
Para que cada carácter trabaje a favor de tu música, la tubería se ajusta dinámicamente:
- Ajuste Compacto Automático: Cuando tu descripción se acerca al límite de 250 caracteres, el sistema utiliza una versión compacta para no truncar jamás tu idea.
- Instrumentales 100% Puros: Si eliges crear una pista instrumental, las reglas de letra vocal se omiten por completo—dedicando todo el espacio a los detalles acústicos.
Escucha o Crea en el Idioma en el que Sientes
Cuando solo quieres concentrarte, relajarte o dormir, la Radio por Estado de Ánimo de Noema arranca con un toque en Modo Invitado (Guest Mode), sin necesidad de cuenta ni de escribir prompts. Y cuando inicias sesión para crear una canción original a partir de un recuerdo, nunca más tendrás que traducir lo que sientes al inglés.
Escribe "Recuerdo de un verano en RD", "Una canción de amor para mi madre" o "Una bachata triste sobre un amor perdido en Santo Domingo"—y Noema te responderá en español, desde la interfaz de iOS hasta el último verso.