Punchbox — un estudio de voz a vídeo que prioriza la privacidad

Habla al navegador; faster-whisper (large-v3-turbo) transcribe en 27 idiomas, con detección automática del idioma.

La transcripción llega a un panel de edición — corrígela, tradúcela, prepárala antes de que se convierta en vídeo.

El texto se convierte en voz sintética: 13 voces en 8 idiomas europeos, cada licencia de voz rastreada hasta su fuente.

Nueve pares de traducción instalados, cada uno con una licencia verificada, para poder representar una transcripción en otro idioma.

Se crea un vídeo subtitulado en 9:16, 16:9 o 1:1 a partir de tu propio audio o de una voz sintética — sin necesidad de GPU.

Instalable como aplicación en Windows, Linux y Android; el audio de origen se elimina automáticamente en menos de una hora; nada se vende ni se comparte.

Un sistema de diseño cerrado en tres cartas formales — gráfica, de interfaz y de densidad — un registro de consola de radio de latón sobre baquelita, una única hoja de estilos y cero recursos de terceros.

Cada repositorio y entregable se ancla con OpenTimestamps (SHA-256 → Bitcoin): el hash es público, el documento permanece privado, y cualquiera puede verificarlo.

Una interfaz en 20 idiomas con paridad completa de diccionario — las mismas claves en todas partes, ninguna ausente — incluyendo árabe y hebreo de derecha a izquierda mediante propiedades lógicas de CSS.

faster-whisper large-v3-turbo cubriendo 27 idiomas con detección automática; medido a cerca de 4× tiempo real en CPU, 1.66 GB de RAM por tarea.

13 voces Piper en 8 idiomas europeos; cada voz rastreada hasta su corpus y su licencia (CC BY / CC BY-SA), con la atribución obligatoria integrada en el producto.

Nueve pares de traducción instalados, cada licencia verificada, para que una transcripción pueda pasar de un idioma a otro.

Un teleprónter que renderiza vídeo en 9:16, 16:9 y 1:1; un clip vertical de un minuto cuesta cerca de 7 segundos de cómputo — medido — sin GPU.

Se genera una pista de subtítulos .srt alineada con la voz.

Los datos del cliente residen en un volumen LUKS2 (AES-XTS, 512-bit) que se monta automáticamente al arrancar — demostrado con la base de datos de cuentas idéntica byte a byte antes y después.

El audio de origen se elimina automáticamente en menos de una hora mediante un temporizador systemd; las direcciones IP nunca se almacenan en claro (HMAC-SHA256 con sal, retención acotada); el cliente elige una ventana de retención con un límite de 30 días.

Copias de seguridad externas, cifradas y deduplicadas (restic hacia una Storage Box de 1 TB); se ejecutó una restauración real desde fuera del sitio y se verificó — integridad del volcado comprobada, 37 tablas releídas.

Contraste WCAG 2.1 calculado par por par mediante script: texto del cuerpo a 16.26:1 (AAA); usos de acento como texto señalados a 2.07:1 por debajo de AA, luego corregidos a cero pares por debajo del umbral en ambos temas.

Un borde nginx termina TLS (Let’s Encrypt) y sirve punchbox.fr.

Una aplicación web progresiva instalable — HTML/CSS/JS, sin framework, sin build — con recursos versionados y con cache-busting.

Un servicio FastAPI con una cola estricta de un solo worker, autenticación por clave, cuotas y purga RGPD — se midió que los workers en paralelo no aportaban nada.

faster-whisper y Piper funcionan localmente y congelados en el servidor de Wolf; nunca se llama a ninguna API de terceros.

Los datos del cliente residen en un volumen LUKS2 de montaje automático, con un temporizador systemd que purga el audio de origen en menos de una hora.

Un script de despliegue que demuestra que el contenedor realmente se reinició — frescura en menos de 120 s, coincidencia del ID de imagen — y se niega a declarar el éxito de otro modo. Una vez informó honestamente de un despliegue como NO DEMOSTRADO y se detuvo.