Punchbox — un studio voix-vers-vidéo respectueux de la vie privée

On parle dans le navigateur ; faster-whisper (large-v3-turbo) transcrit dans 27 langues, avec détection automatique de la langue.

La transcription arrive dans un rack d’édition — on la corrige, on la traduit, on la prépare avant qu’elle devienne une vidéo.

Le texte devient une voix de synthèse : 13 voix dans 8 langues européennes, chaque licence de voix remontée jusqu’à sa source.

Neuf paires de traduction installées, chacune à licence vérifiée, pour rendre une transcription dans une autre langue.

Une vidéo sous-titrée 9:16, 16:9 ou 1:1 est fabriquée depuis votre propre audio ou une voix de synthèse — sans GPU.

Installable comme application sur Windows, Linux et Android ; l’audio source est effacé sous une heure ; rien n’est vendu ni partagé.

Un design system fermé en trois chartes formelles — graphique, interface et densité — un registre « régie radio », laiton sur bakélite, une seule feuille de style, et zéro ressource tierce.

Chaque dépôt et livrable est ancré par OpenTimestamps (SHA-256 → Bitcoin) : l’empreinte est publique, le document reste privé, et n’importe qui peut vérifier.

Une interface en 20 langues à parité de dictionnaire complète — les mêmes clés partout, aucune manquante — dont l’arabe et l’hébreu en droite-à-gauche via les propriétés logiques CSS.

faster-whisper large-v3-turbo couvrant 27 langues avec détection automatique ; mesuré à environ 4× le temps réel sur CPU, 1,66 Go de RAM par tâche.

13 voix Piper dans 8 langues européennes ; chaque voix remontée jusqu’à son corpus et sa licence (CC BY / CC BY-SA), avec l’attribution obligatoire portée dans le produit.

Neuf paires de traduction installées, chaque licence vérifiée, pour faire passer une transcription d’une langue à une autre.

Un prompteur qui rend de la vidéo 9:16, 16:9 et 1:1 ; une minute de vidéo verticale coûte environ 7 secondes de calcul — mesuré — sans GPU.

Une piste de sous-titres .srt est générée et calée sur la voix.

Les données client reposent sur un volume LUKS2 (AES-XTS, 512 bits) monté automatiquement au démarrage — prouvé, base des comptes octet-pour-octet identique avant et après.

L’audio source est effacé sous une heure par un timer systemd ; les adresses IP ne sont jamais stockées en clair (HMAC-SHA256 salé, rétention bornée) ; le client choisit une durée de rétention plafonnée à 30 jours.

Sauvegardes hors-site, chiffrées, dédupliquées (restic vers un Storage Box de 1 To) ; une vraie restauration a été exécutée depuis le hors-site et vérifiée — intégrité du dump contrôlée, 37 tables relues.

Contraste WCAG 2.1 calculé paire par paire par script : texte principal à 16,26:1 (AAA) ; des emplois d’accent-en-texte signalés à 2,07:1 sous le seuil AA, puis corrigés à zéro paire sous seuil dans les deux thèmes.

Un edge nginx termine le TLS (Let’s Encrypt) et sert punchbox.fr.

Une application web progressive installable — HTML/CSS/JS, sans framework, sans build — aux ressources versionnées et anti-cache.

Un service FastAPI à file stricte, un seul travailleur, auth par clé, quotas et purge RGPD — le parallélisme a été mesuré comme n’apportant rien.

faster-whisper et Piper tournent en local et figés sur le serveur de Wolf ; aucune API tierce n’est jamais appelée.

Les données client vivent sur un volume LUKS2 monté automatiquement, avec un timer systemd qui purge l’audio source sous une heure.

Un script de déploiement qui prouve que le conteneur a réellement redémarré — fraîcheur sous 120 s, correspondance de l’empreinte d’image — et refuse de conclure à la réussite sinon. Il a déjà honnêtement rapporté un déploiement NON PROUVÉ et s’est arrêté.