MuseTwin — музыкальный рекомендательный сервис

Используемые навыки FastAPI JavaScript Machine Learning Algorithms Pandas Python

Описание

Разработана и запущена рекомендательная система для поиска похожих песен на основе звуковых характеристик, а не жанра или исполнителя. Проект решает проблему субъективного поиска музыки, используя анализ аудио-фич (danceability, energy, tempo, valence и др.) и алгоритм косинусной близости.
Цель: создать быстрый и удобный инструмент для пользователей, позволяющий находить музыку по «вайбу», а не по тегам, и предоставить API для интеграции в другие сервисы.

Решение

Данные: загружены и предобработаны датасеты Spotify (числовые и текстовые).
Бэкенд: реализовано REST API на FastAPI с эндпоинтами для поиска трека и получения рекомендаций.
Алгоритм: использована косинусная близость на нормализованных признаках.
Деплой: проект упакован в Docker и запущен на Hugging Face Spaces.
Код: написан на Python с использованием Pandas, Scikit-learn, FastAPI, комментарии — на английском.

Результат

Сервис доступен по ссылке для тестирования. API успешно обрабатывает запросы и возвращает 5 наиболее похожих треков для любого введённого названия. В будущем планируется добавление поиска по тексту (TF-IDF) и интеграция векторного поиска (FAISS). Проект является рабочим прототипом и может быть адаптирован под другие рекомендательные задачи.