Joan eduki nagusira
Kasu azterketa · Wolf-ek egin dezakeena, benetako produktu batean frogatua

Punchbox — pribatutasuna lehenesten duen ahots-tik-bideorako estudioa

Punchbox — diktaketa, transkripzio eta bideo bertikaleko estudioa, Wolf Agency-k diseinatu eta kudeatua.

Hau ingeniaritza erakustaldi bat da, ez salmenta hitzaldi bat. Punchbox Wolf-ek eraikitzen eta ustiatzen duen benetako produktu bat da: zuk hitz egiten duzu, hark idazten du, zuk zuzentzen duzu, testua ozen irakur dezake eta azpititulatutako bideo bertikal bat sor dezake. punchbox.fr-en hedatua eta martxan dago.

Zintzotasuna lehenik: Punchbox ekoizpen aurrekoan dago. Doako proba funtzionatzen du, baina ordainpeko harpidetzak ez daude oraindik irekita — beraz, ez dago bezerorik, ez dirurik ez eta aurkezteko testigantzarik. Orrialde honetako guztia benetako aztarna batean oinarritzen da: misio txosten bat, commit bat, edo neurketa bat.

Ekoizpen aurrekoan 20 hizkuntzako interfazea WCAG kontrastea neurtua hirugarrenen APIrako deiak — motorrak tokikoak eta izoztuak dira
Produktua

Sakelako ahots-tik-bideorako estudio bat

Punchbox lan bakarreko tresna bat da: esaten duzuna testu bihurtu, eta testua argitaratzeko prest dagoen bideo bertikal bihurtu. Nabigatzailean instala daitekeen aplikazio gisa dabil, hirugarrenen APIrik tartean sartu gabe.

Tresna bat, ez plataforma bat

Zuk hitz egiten duzu; Punchbox-ek transkribatzen du; zuk zuzentzen duzu; testua ozen irakur dezake eta azpititulatutako bideo bertikal bat sor dezake. Bezeroak berak argitaratzen du — ezer ez da ostatatzen ez gomendatzen, eta horrek hain zuzen pertsona bakarreko produktu bat legez eta etikaz garbi mantentzen du.

Motor bakoitza tokian bertan eta izoztuta dabil Wolf-en zerbitzari propioan: faster-whisper transkripziorako, Piper ahotserako, ffmpeg bideorako. Ez dago hirugarrenik deitzeko — beraz, ez dago inori isurtzekorik.

Diktatu → transkribatu

Hitz egin nabigatzailean; faster-whisper-ek (large-v3-turbo) 27 hizkuntzatan transkribatzen du, hizkuntzaren detekzio automatikoarekin.

Zuzendu & editatu

Transkripzioa edizio-rack batean iristen da — zuzendu, itzuli, prestatu bideo bihurtu aurretik.

Ahots-sintesia

Testua ahots sintetiko bihurtzen da: 13 ahots 8 Europako hizkuntzatan, ahots-lizentzia bakoitza bere iturriraino jarraitua.

Itzulpena

Bederatzi itzulpen-pare instalatuta, bakoitza egiaztatutako lizentziarekin, transkripzio bat beste hizkuntza batean eman ahal izateko.

Bideo bertikala

Azpititulatutako 9:16, 16:9 edo 1:1 bideo bat zure audio propiotik edo ahots sintetiko batetik eraikitzen da — GPUrik behar gabe.

Zurea, eta pribatua

Windows, Linux eta Android-en aplikazio gisa instalagarria; iturri-audioa ordubetean automatikoki ezabatzen da; ezer ez da saltzen ez partekatzen.

Pantailak

Nolakoa den

Martxan dagoen produktuaren pantaila-argazkietarako gordetako lekuak. Benetako argazkiak diseinua ukitu gabe sartzen dira.

  • Diktaketa kontsola Pantaila-argazkia — gordetako lekua

    Grabaketa kontsola — garraioa, maila-neurgailua eta zuzeneko testua.

  • Garraioa & neurketa Pantaila-argazkia — gordetako lekua

    Grabatzeko botoia eta VU estiloko maila-neurketa.

  • Testu monitorea Pantaila-argazkia — gordetako lekua

    Transkripzioa, iturria eta itzulpena elkarren ondoan.

  • Bideo fabrika Pantaila-argazkia — gordetako lekua

    Bideo bertikalaren eraikitzailea eta bere ezarpenak.

  • Modu flotagarria Pantaila-argazkia — gordetako lekua

    Panel flotagarri trinkoa garraio osoarekin.

  • Karta & lege-oharrak Pantaila-argazkia — gordetako lekua

    Punchbox karta eta lege-orrialdeak.

Wolf-ek egin duena

Diseinatua, neurtua, kaleratua

Wolf-ek Punchbox-en benetan ekoitzi duenaren zerrenda ez-osoa — puntu bakoitza txosten, commit edo neurketa batean oinarritua.

Diseinu-sistema & kartak

Diseinu-sistema itxi bat hiru karta formaletan — grafikoa, interfazea eta dentsitatea — bakelitaren gaineko letoizko irrati-kontsola erregistro bat, estilo-orri bakar bat, eta zero hirugarrenen baliabide.

Denbora-zigilatutako lehentasuna

Biltegi eta entregagai bakoitza OpenTimestamps-ekin ainguratuta dago (SHA-256 → Bitcoin): hash-a publikoa da, dokumentua pribatu geratzen da, eta edonork egiazta dezake.

20 hizkuntzako interfazea

20 hizkuntzako interfaze bat hiztegi-paritate osoarekin — gako berberak leku guztietan, bat ere falta gabe — arabiera eta hebreera eskuinetik ezkerrera barne, CSS propietate logikoen bidez.

Transkripzio eleaniztuna

faster-whisper large-v3-turbo 27 hizkuntza estaltzen detekzio automatikoarekin; CPUan denbora errealaren 4× inguru neurtua, 1.66 GB RAM lan bakoitzeko.

Ahots-sintesia

13 Piper ahots 8 Europako hizkuntzatan; ahots bakoitza bere corpus eta lizentziaraino jarraitua (CC BY / CC BY-SA), nahitaezko aitorpena produktuaren barnean eramanda.

Itzulpena

Bederatzi itzulpen-pare instalatuta, lizentzia bakoitza egiaztatuta, transkripzio bat hizkuntza batetik bestera pasa ahal izateko.

Bideo bertikaleko motorra

Bideo 9:16, 16:9 eta 1:1 errendatzen duen prompter bat; minutu bateko klip bertikal batek 7 segundo inguru kalkulu kostatzen du — neurtua — GPUrik gabe.

Lerrokatutako azpitituluak

.srt azpititulu-pista bat sortzen da eta ahotsera lerrokatzen da.

Zifratzea geldirik

Bezeroaren datuak LUKS2 bolumen batean daude (AES-XTS, 512-bit) abioan automatikoki muntatzen dena — frogatua, kontuen datu-basea byte-berdina aurretik eta ondoren.

GDPR diseinuz

Iturri-audioa ordubetean automatikoki ezabatzen du systemd tenporizadore batek; IP helbideak inoiz ez dira argi gordetzen (gatzdun HMAC-SHA256, atxikipen mugatua); bezeroak 30 egunetan gehienez mugatutako atxikipen-leiho bat aukeratzen du.

Segurtasun-kopiak, berreskuragarri frogatuak

Kanpoko, zifratutako, deduplikatutako segurtasun-kopiak (restic 1 TB Storage Box baterantz); benetako berreskuratze bat kanpotik exekutatu eta egiaztatu zen — dump-aren osotasuna egiaztatuta, 37 taula berrirakurriak.

Neurtutako irisgarritasuna

WCAG 2.1 kontrastea pare bat pare script bidez kalkulatua: gorputz-testua 16.26:1-ean (AAA); azentu-testu gisako erabilerak 2.07:1-ean seinalatuak AAtik behera, ondoren atalasetik beherako zero paretara zuzenduak bi gaietan.

Kapotaren azpian

Kate teknikoa

Nola egokitzen diren piezak: nginx ertz bat instala daitekeen aplikazio baten aurrean, tokiko ahots-motorrak, datu-bolumen zifratu bat, eta bere burua frogatzen duen entrega-kate bat.

Edge & TLS

nginx ertz batek TLS amaitzen du (Let’s Encrypt) eta punchbox.fr zerbitzatzen du.

Aplikazioa (PWA)

Instala daitekeen web aplikazio progresibo bat — HTML/CSS/JS, frameworkik gabe, buildik gabe — bertsiodun eta cache-hausteko baliabideekin.

Transkripzio APIa

FastAPI zerbitzu bat ilara zorrotz batekin, langile bakarra, gako bidezko autentifikazioa, kuotak eta GDPR garbiketa — langile paraleloek ez zutela ezer gehitzen neurtu zen.

Tokiko ahots-motorrak

faster-whisper eta Piper tokian eta izoztuta dabiltza Wolf-en zerbitzarian; hirugarrenen APIrik ez da inoiz deitzen.

Datu-bolumen zifratua

Bezeroaren datuak automatikoki muntatzen den LUKS2 bolumen batean bizi dira, iturri-audioa ordubetean garbitzen duen systemd tenporizadore batekin.

Bere burua frogatzen duen hedapena

Edukiontzia benetan berrabiarazi dela frogatzen duen hedapen-script bat — freskotasuna 120 s-ren barruan, irudi-IDaren bat-etortzea — eta bestela arrakasta aldarrikatzeari uko egiten dio. Behin hedapen bat FROGATU GABE gisa zintzoki jakinarazi zuen eta gelditu egin zen.

Segurtasun-kopiak & lehentasuna

Gaueroko kanpoko segurtasun-kopia zifratuak (restic, berreskuratzea probatua), gehi biltegi eta entregagai bakoitzaren OpenTimestamps ainguraketa.

Zintzoki scriptatutako kate bat — froga aldarrikapenaren gainetik, ez apalategiko CI astun bat.
Froga

Neurtua, ez aldarrikatua

Wolf-ek aldarrikatu beharrean neurtu dituen bi gauza: zein azkar dabiltzan motorrak, eta interfazeak WCAGren aurka zenbat puntuazio duen. Zenbakiak exekutatutako benchmark-etatik eta pare bat pare kontraste-script batetik datoz.

Zerbitzarian neurtua

Motorrek zer kostatzen duten

Ekoizpeneko CPUan exekutatutako benchmark-ak (4 nukleo), hiru pasaldi bat datozenak — GPUrik ez inon produktuan.

Transkripzio abiadura
≈ 4× denbora erreala
RAM lan bakoitzeko
1.66 GB
1 minutuko bideo bertikala
≈ 7 s kalkulu
Muina 0 hirugarrenen APIrako deiak — motorrak tokikoak eta izoztuak dira

Ereduak tokian dabiltzalako eta inoiz aldatzen ez direlako, zure ahotsarekin trebatzea ezinezkoa da, ez soilik debekatua. Ez dago hirugarrenik deitzeko, beraz ez dago inori isurtzekorik.

WCAG 2.1, pare bat pare

Kontrastea, neurtua

Benetan erabilitako kolore-pareetan script bidez kalkulatutako kontraste-ratioak — ona eta txarra berdin jakinarazita.

Gorputz-testua (argia)
16.26:1
Gorputz-testua (iluna)
15.45:1
Seinalatutako azentu-testu gisa
2.07:1
WCAG AA helburua
4.5:1
Auditoretzak benetako hutsegiteak aurkitu eta izendatu zituen; atalasetik beherako zero paretara zuzendu ziren kontsolan, bi gaietan.
Froga

Nola frogatzen den hau

Orrialde honetako aldarrikapen bakoitza aztarna batekin lotuta dago. Ingeniaritza misio jarraituetan egin zen, bakoitza kodea irakurtzea baino exekutatutako frogadun txosten batean amaituz; benchmark-ak hiru aldiz exekutatu ziren; interfazearen auditoretzak bere scripta eta bere formula ekartzen ditu.

  • Zenbakiak benetako zerbitzarian neurtzen dira, ez estimatzen.
  • Hutsune gisa hasi ziren indarguneak hutsune → konponketa gisa erakusten dira, bi aldeak frogatuta.
  • Muga zintzoak adierazten dira: nabigatzailerik ez build ostalarian, beraz ikusizko eta pantaila-irakurgailu egiaztapenak egiteke daude.
  • Lehentasuna publikoki ainguratzen da (OpenTimestamps) dokumentuak pribatu geratzen diren bitartean.
Honek zer frogatzen duen

Lan-metodo bat, benetako produktu batean erakutsia

Punchbox Wolf-ek nola lan egiten duen da, ikusgai bihurtua: diseinua, neurtutako irisgarritasuna, berrabiaraztearen frogarekin industrializatutako hedapena, frogatutako segurtasun-kopiak, GDPR eta denbora-zigilatutako lehentasuna — benetan dabilen produktu batean.

Metodo bera aplikatzen zaie beste proiektuei baldintza berdinetan. Punchbox ekoizpen aurrekoan dago; ez dago erakusteko bezero edo diru-kopururik, eta ez dugu bat ere asmatuko.

Orrialde honetako zifra bakoitza iturri jarraigarridun benetako neurketa bat da.