Modelo propio
ChatBot-MentalHealth-BERT
Un chat web de apoyo emocional cuyo modelo no genera la frase: predice una emoción y elige texto. Antes del ML, un override de crisis. Esa es la v1, y es mía de punta a punta.
2024 – presente · Autor del modelo, el entrenamiento y la app Flask
El propósito
Demostrar que se puede hacer acompañamiento con un clasificador entrenado, no solo con un LLM de terceros. Quien contrata ve pesos, trainer y límites.
- — BERT de 11 clases con score de confianza
- — CustomTrainer y pesos de clase
- — Override por palabras de crisis antes del modelo
- — STT en el navegador (webkitSpeechRecognition)
La historia
Empecé esta línea porque un “chatbot de salud mental” típico es un wrapper de API. Yo quería un modelo que pudiera señalar en un README: aquí está el BERT, aquí el JSON de respuestas, aquí el historial. El repositorio público es ChatBot-MentalHealth-BERT. La UI es Flask + HTML. Los pesos viven bajo models/bert_emotion_model/.
El bot no finge ser clínico. Si el usuario escribe señales de crisis, el override actúa antes de la inferencia. El resto del tiempo el modelo elige una de once emociones y una plantilla empática. Eso es vendible porque es explicable: un auditor puede seguir el flujo.
Qué hice y con qué
Entrenamiento con Transformers y PyTorch, métricas con scikit-learn, app en Flask. Inferencia con umbral de confianza. Conversaciones en JSON. La v2 —MarIA— usa APIs externas y voz; esta v1 es la prueba de que también construyo el modelo, no solo consumo uno.
No publico una URL de Space en Hugging Face hasta confirmarla. El perfil Flackoooo existe; el enlace del Space se añadirá cuando esté verificado.
En la misma línea
- MarIA
MarIA sostiene conversaciones de apoyo —ansiedad, estrés, mindfulness— con autenticación, cuotas e historial. No sustituye atención clínica. La demo está en Render.
- LiveKit_Agent_MarIA
Este repo no es el sitio. Es MariaVoiceAgent: STT → LLM → TTS dentro de una sala LiveKit, con prompt de acompañamiento y sin diagnóstico.