POST /analyze_session

POST /analyze_session

Content-Type: application/json

{
  "context": "I was talking about my recent promotion at work",
  "emotions": [
    "HAPPY",
    "HAPPY",
    "HAPPY",
    "SAD",
    "HAPPY",
    "No face detected",
    "HAPPY",
    "HAPPY",
    "SAD",
    "HAPPY"
  ]
}

{
  "analysis": "Hablando sobre tu reciente ascenso laboral, es completamente natural que experimentes una mezcla de emociones. Los momentos de felicidad predominantes reflejan el orgullo y la satisfacción por tu logro, mientras que los breves instantes de tristeza podrían relacionarse con la ansiedad por las nuevas responsabilidades o la nostalgia por tu antiguo rol. Esta fluctuación emocional es señal de que estás procesando un cambio importante de manera saludable.\n\nRecuerda que este ascenso es el reconocimiento de tu esfuerzo y talento. Es normal sentir cierta preocupación, pero confía en las habilidades que te han traído hasta aquí. Celebra este logro y date permiso para adaptarte a tu nueva posición con paciencia y autocompasión."
}

{
  "error": "No context provided"
}

{
  "error": "La librería google-genai no está instalada o configurada. Por favor instala con pip install google-genai"
}

{
  "error": "Falta configurar tu GEMINI_API_KEY. Configúrala como variable de entorno o en el archivo app.py."
}

{
  "error": "Error usando Gemini: <error details>"
}

@app.route('/analyze_session', methods=['POST'])
def analyze_session():
    try:
        data = request.json
        context = data.get('context', '')
        emotions_array = data.get('emotions', [])
        
        if not context:
            return jsonify({'error': 'No context provided'}), 400
            
        import sys
        try:
            from google import genai
            # Initialize client. The user needs to have GEMINI_API_KEY environment variable set.
            client = genai.Client(api_key="")
            prompt = f"El usuario acaba de tener una sesión de 30 segundos hablando a una cámara sobre el siguiente tema/contexto:\n\n'{context}'\n\nDurante este tiempo, la IA detectó segundo a segundo la siguiente secuencia de emociones en su rostro:\n{emotions_array}\n\nActúa como un asistente muy empático. Analiza brevemente qué significa esta fluctuación de emociones dado el contexto y, lo más importante, brinda un mensaje de mucho apoyo o recuérdale algo positivo y bonito al usuario para subirle el ánimo. Da una respuesta cálida y concisa (máximo 2 párrafos)."
            
            response = client.models.generate_content(
                model="gemini-2.5-flash",
                contents=prompt
            )
            
            return jsonify({'analysis': response.text})
            
        except ImportError:
            return jsonify({'error': 'La librería google-genai no está instalada o configurada. Por favor instala con pip install google-genai'}), 500
        except Exception as e:
            if "API key" in str(e).lower() or "credentials" in str(e).lower():
                return jsonify({'error': 'Falta configurar tu GEMINI_API_KEY. Configúrala como variable de entorno o en el archivo app.py.'}), 500
            return jsonify({'error': f'Error usando Gemini: {str(e)}'}), 500

    except Exception as e:
        return jsonify({'error': str(e)}), 500

export GEMINI_API_KEY="your-api-key-here"
python app.py

client = genai.Client(api_key="your-api-key-here")

async function analyzeSession(context, emotionsArray) {
  try {
    const response = await fetch('/analyze_session', {
      method: 'POST',
      headers: {
        'Content-Type': 'application/json'
      },
      body: JSON.stringify({
        context: context,
        emotions: emotionsArray
      })
    });
    
    const data = await response.json();
    
    if (response.ok) {
      console.log('AI Analysis:', data.analysis);
      return data.analysis;
    } else {
      console.error('Error:', data.error);
      throw new Error(data.error);
    }
  } catch (error) {
    console.error('Failed to analyze session:', error);
    throw error;
  }
}

// Usage example
const context = "I was discussing my weekend plans";
const emotions = ["HAPPY", "HAPPY", "SAD", "HAPPY", "HAPPY"];

analyzeSession(context, emotions)
  .then(analysis => {
    document.getElementById('analysis-result').innerText = analysis;
  });

curl -X POST http://127.0.0.1:5000/analyze_session \
  -H "Content-Type: application/json" \
  -d '{
    "context": "Talking about my family",
    "emotions": ["HAPPY", "HAPPY", "SAD", "HAPPY", "HAPPY", "SAD"]
  }'

import requests

# Prepare session data
context = "Discussing my recent achievement"
emotions = ["HAPPY"] * 20 + ["SAD"] * 5 + ["HAPPY"] * 5

# Send request
response = requests.post(
    'http://127.0.0.1:5000/analyze_session',
    json={
        'context': context,
        'emotions': emotions
    }
)

# Parse response
result = response.json()
if response.status_code == 200:
    print("AI Analysis:")
    print(result['analysis'])
else:
    print(f"Error: {result.get('error', 'Unknown error')}")

class EmotionTracker {
  constructor() {
    this.emotions = [];
    this.sessionDuration = 30000; // 30 seconds
    this.captureInterval = 1000;  // 1 second
  }
  
  async startSession(context) {
    this.emotions = [];
    
    // Capture emotions every second for 30 seconds
    const intervalId = setInterval(async () => {
      const emotion = await this.captureEmotion();
      this.emotions.push(emotion);
    }, this.captureInterval);
    
    // Stop after 30 seconds and analyze
    setTimeout(async () => {
      clearInterval(intervalId);
      const analysis = await this.analyzeSession(context);
      console.log('Session complete!', analysis);
    }, this.sessionDuration);
  }
  
  async captureEmotion() {
    const imageData = this.captureWebcam();
    const response = await fetch('/predict', {
      method: 'POST',
      headers: { 'Content-Type': 'application/json' },
      body: JSON.stringify({ image: imageData })
    });
    const data = await response.json();
    return data.emotion;
  }
  
  async analyzeSession(context) {
    const response = await fetch('/analyze_session', {
      method: 'POST',
      headers: { 'Content-Type': 'application/json' },
      body: JSON.stringify({
        context: context,
        emotions: this.emotions
      })
    });
    const data = await response.json();
    return data.analysis;
  }
}

// Usage
const tracker = new EmotionTracker();
tracker.startSession("Talking about my goals for 2026");

{"context": "", "emotions": ["HAPPY"]}  // Returns 400 error

{"context": "My day", "emotions": []}  // Will still process but analysis may be generic

try {
  const analysis = await analyzeSession(context, emotions);
} catch (error) {
  if (error.message.includes('rate limit')) {
    // Retry after delay
  }
}

pip install google-genai

# Set API key
export GEMINI_API_KEY="your-key-here"

# Run application
python app.py