Fandom Fire és un motor de batalles d'insults generat per intel·ligència artificial que opera en temps real, combinant generació de text amb Google Gemini, síntesi de veu amb ElevenLabs i visualitzacions fluides accelerades per GPU mitjançant shaders GLSL. Aquest projecte demostra com les tecnologies modernes es poden integrar sense backend, npm ni passos de compilació, utilitzant únicament fitxers estàtics i APIs de navegador. La seva arquitectura de tres capes —generació de text, síntesi de veu i renderització visual— ofereix una experiència d'usuari immersiva i totalment dinàmica, on cada combat és únic gràcies a la generació procedural dels insults.
Des d'una perspectiva tècnica, el sistema utilitza Gemini flash-lite, un model de llenguatge lleuger i ràpid, per generar insults sense plantilles predefinides. La baixa latència del model és clau per mantenir el ritme de la batalla, ja que les respostes han d'arribar en segons. El prompt es construeix dinàmicament, indicant al model que actuï com un personatge específic i que generi un insult agressiu i divertit en una o dues frases. S'utilitza una instrucció de sistema que força la sortida en text pla, sense cometes, emojis ni marques de format, per evitar errors en la cadena de processament.
Posteriorment, ElevenLabs transforma aquests textos en veus amb identitats diferenciades. Cada lluitador té un identificador de veu únic: un greu i agressiu per al primer, un altre britànic i teatral per al segon. La síntesi es realitza mitjançant el model eleven_v3, que ofereix alta fidelitat i naturalitat. L'àudio s'obté en format MP3 i es descodifica directament a la Web Audio API, creant un buffer que es connecta a un node analitzador. Aquest node extreu l'espectre de freqüències en temps real, proporcionant dades sobre la intensitat dels greus (bins 0-19) que s'utilitzaran per modular el shader visual.
El renderitzat visual corre exclusivament a la GPU mitjançant un shader de fragments GLSL personalitzat. La geometria és un pla que ocupa tota la finestra, sobre el qual s'aplica un soroll de múltiples octaves per generar una ona líquida orgànica. L'alçada de l'ona es modula amb el volum de veu de cada lluitador, de manera que quan parla el lluitador esquerre, l'ona s'eleva al seu costat amb un color blau cel, mentre que el dret tenyeix el costat oposat de rosa. Els colors es barregen suaument al centre amb un to violeta. L'ús d'interpolació lineal (lerp) en els valors de volum evita salts bruscos entre fotogrames, aconseguint un moviment fluid i natural que imita la respiració.
La cua de reproducció asíncrona és un altre element clau de l'arquitectura. Mentre es reprodueix l'insult actual, el sistema continua generant els següents en segon pla, ocultant la latència de les APIs externes. Això s'aconsegueix amb un patró productor-consumidor: la funció generateBattle() empeny insults a una cua, i un worker els reprodueix seqüencialment. L'usuari mai experimenta pauses entre torns, cosa essencial per mantenir la immersió en una batalla en temps real.
Més enllà de l'entreteniment, Fandom Fire il·lustra el potencial de les aplicacions basades en intel·ligència artificial per crear experiències interactives personalitzades. En l'àmbit empresarial, arquitectures similars poden emprar-se per generar contingut dinàmic en campanyes de màrqueting, assistents virtuals amb veu realista, sistemes de formació gamificats o fins i tot eines de generació de diàlegs per a videojocs. La integració de múltiples models d'IA en un sol flux, combinada amb l'acceleració per GPU i l'anàlisi d'àudio en temps real, obre noves possibilitats per al desenvolupament d'aplicacions a mida.
Q2BSTUDIO, com a empresa especialitzada en desenvolupament de programari i tecnologia, té la capacitat de construir solucions similars adaptades a les necessitats de cada client. L'experiència en serveis al núvol a AWS i Azure permet escalar aquests sistemes per suportar milers d'usuaris concurrents, assegurant una baixa latència i alta disponibilitat. A més, les pràctiques de ciberseguretat que Q2BSTUDIO implementa en cada projecte garanteixen la protecció de les dades sensibles, com les claus d'API, i la integritat de les comunicacions entre el frontend i els serveis externs.
La seguretat és un aspecte crític en aplicacions que consumeixen APIs externes. Fandom Fire envia prompts a Gemini i sol·licituds de veu a ElevenLabs, cosa que requereix gestionar claus d'API de manera segura. Q2BSTUDIO integra protocols de ciberseguretat en totes les seves fases de desenvolupament, des del xifrat de comunicacions fins a la validació d'entrades, protegint tant l'usuari com la infraestructura al núvol subjacent. Això és especialment rellevant quan es despleguen aplicacions en entorns corporatius on la confidencialitat de les dades és prioritària.
Un altre component rellevant és l'anàlisi de dades. Si bé Fandom Fire se centra en l'experiència immediata, un sistema similar podria incloure mòduls de Business Intelligence, com Power BI, per visualitzar estadístiques de les batalles: insults més efectius, temps de resposta, popularitat de personatges o patrons d'ús. Q2BSTUDIO ajuda les empreses a implementar dashboards de BI que transformen les dades generades per aquest tipus d'aplicacions en informació estratègica, permetent prendre decisions basades en dades reals. La capacitat d'integrar agents d'IA, com els models de llenguatge que escriuen els insults, també pot aplicar-se per automatitzar respostes en atenció al client o generar contingut personalitzat a gran escala.
Els agents d'IA són una tendència creixent en el desenvolupament de programari. Fandom Fire utilitza dos agents —un per generar text i un altre per sintetitzar veu— coordinats en temps real. Aquest patró es pot extrapolar a altres dominis: per exemple, un agent que analitzi el sentiment d'un client i un altre que generi una resposta empàtica, tot orquestrat des del frontend. Q2BSTUDIO compta amb experiència en la implementació d'arquitectures multiagent, utilitzant IA generativa per crear fluxos de treball autònoms que milloren l'eficiència operativa.
En conclusió, Fandom Fire no és només un interessant projecte de demostració, sinó un exemple de com la combinació d'intel·ligència artificial, renderització GPU i àudio en temps real pot donar lloc a productes digitals innovadors. La seva arquitectura lleugera i el seu enfocament en la immediatesa són ideals per inspirar desenvolupaments en sectors com l'entreteniment, l'educació i la comunicació corporativa. Q2BSTUDIO ofereix els coneixements tècnics i l'experiència necessaris per portar aquestes idees des del prototip fins a la producció, integrant núvol, IA, ciberseguretat i BI en solucions a mida. Per a empreses que busquen crear aplicacions similars o explorar el potencial de la IA generativa, comptar amb un soci tecnològic com Q2BSTUDIO és el primer pas cap a la innovació real.
