Studium przypadku · Co potrafi Wolf, udowodnione na prawdziwym produkcie

Punchbox — studio głos-na-wideo stawiające prywatność na pierwszym miejscu

Punchbox — studio dyktowania, transkrypcji i pionowego wideo, zaprojektowane i prowadzone przez Wolf Agency.

To demonstracja inżynierska, a nie prezentacja sprzedażowa. Punchbox to prawdziwy produkt, który Wolf tworzy i obsługuje: mówisz, on pisze, ty czytasz korektę, może odczytać tekst na głos i zbudować pionowe wideo z napisami. Jest wdrożony i działa pod adresem punchbox.fr.

Najpierw uczciwość: Punchbox jest w fazie przedprodukcyjnej. Bezpłatna wersja próbna działa, ale płatne subskrypcje nie są jeszcze otwarte — więc nie ma żadnych klientów, żadnych przychodów ani opinii do przedstawienia. Wszystko na tej stronie jest poparte prawdziwym śladem: raportem z misji, commitem lub pomiarem.

W fazie przedprodukcyjnej Interfejs w 20 językach Zmierzony kontrast WCAG wywołań API firm trzecich — silniki są lokalne i zamrożone

Zobacz na żywo Zobacz dowody

Wdrożony i działający

Przekonaj się sam

Punchbox działa we własnej domenie, serwowany z zaszyfrowanego wolumenu za brzegiem nginx z TLS. Bezpłatna wersja próbna — 30 minut audio, bez karty — działa już dziś; płatna kasa nie jest jeszcze otwarta.

punchbox.fr

Produkt

Kieszonkowe studio głos-na-wideo

Punchbox to jedno narzędzie z jednym zadaniem: zamienić to, co mówisz, w tekst, a tekst w pionowe wideo gotowe do publikacji. Działa w przeglądarce jako instalowalna aplikacja, bez udziału żadnego API firm trzecich.

Jedno narzędzie, nie platforma

Mówisz; Punchbox transkrybuje; ty czytasz korektę; może odczytać tekst na głos i zbudować pionowe wideo z napisami. Klient publikuje je samodzielnie — nic nie jest hostowane ani polecane, co jest dokładnie tym, co utrzymuje jednoosobowy produkt czystym prawnie i etycznie.

Każdy silnik działa lokalnie i zamrożony na własnym serwerze Wolf: faster-whisper do transkrypcji, Piper do mowy, ffmpeg do wideo. Nie ma żadnej firmy trzeciej, do której trzeba by dzwonić — więc nie ma komu wyciec.

Dyktuj → transkrybuj

Mów do przeglądarki; faster-whisper (large-v3-turbo) transkrybuje w 27 językach, z automatycznym wykrywaniem języka.

Korekta i edycja

Transkrypcja trafia do stelaża edycyjnego — popraw ją, przetłumacz, przygotuj, zanim stanie się wideo.

Synteza mowy

Tekst staje się syntetycznym głosem: 13 głosów w 8 językach europejskich, każda licencja głosu prześledzona do źródła.

Tłumaczenie

Dziewięć zainstalowanych par tłumaczeniowych, każda z zweryfikowaną licencją, dzięki czemu transkrypcję można oddać w innym języku.

Pionowe wideo

Wideo z napisami w formacie 9:16, 16:9 lub 1:1 jest budowane z twojego własnego audio lub syntetycznego głosu — bez potrzeby GPU.

Twoje i prywatne

Instalowalne jako aplikacja na Windows, Linux i Android; źródłowe audio jest automatycznie usuwane w ciągu godziny; nic nie jest sprzedawane ani udostępniane.

Ekrany

Jak to wygląda

Zarezerwowane miejsca na zrzuty ekranu działającego produktu. Prawdziwe zrzuty wchodzą bez ruszania układu.

Konsola dyktowania Zrzut ekranu — zarezerwowane miejsce

Konsola nagrywania — transport, miernik poziomu i tekst na żywo.
Transport i pomiar poziomu Zrzut ekranu — zarezerwowane miejsce

Przycisk nagrywania i pomiar poziomu w stylu VU.
Monitor tekstu Zrzut ekranu — zarezerwowane miejsce

Transkrypcja, ze źródłem i tłumaczeniem obok siebie.
Fabryka wideo Zrzut ekranu — zarezerwowane miejsce

Kreator pionowego wideo i jego ustawienia.
Tryb pływający Zrzut ekranu — zarezerwowane miejsce

Kompaktowy pływający panel z pełnym transportem.
Karta i kwestie prawne Zrzut ekranu — zarezerwowane miejsce

Karta Punchbox i strony prawne.

Co zrobił Wolf

Zaprojektowane, zmierzone, wdrożone

Niewyczerpująca lista tego, co Wolf faktycznie wyprodukował w Punchbox — każdy element poparty raportem, commitem lub pomiarem.

System projektowy i karty

Zamknięty system projektowy w trzech formalnych kartach — graficznej, interfejsu i gęstości — rejestr konsoli radiowej mosiądz-na-bakelicie, jeden arkusz stylów i zero zasobów firm trzecich.

Oznaczona czasowo pierwszeństwo

Każde repozytorium i produkt jest zakotwiczony za pomocą OpenTimestamps (SHA-256 → Bitcoin): skrót jest publiczny, dokument pozostaje prywatny, a każdy może to zweryfikować.

Interfejs w 20 językach

Interfejs w 20 językach z pełną parzystością słowników — te same klucze wszędzie, żaden nie brakuje — w tym arabski i hebrajski od prawej do lewej dzięki logicznym właściwościom CSS.

Wielojęzyczna transkrypcja

faster-whisper large-v3-turbo obejmujący 27 języków z automatycznym wykrywaniem; zmierzony na około 4× czasu rzeczywistego na CPU, 1.66 GB pamięci RAM na zadanie.

Synteza mowy

13 głosów Piper w 8 językach europejskich; każdy głos prześledzony do swojego korpusu i licencji (CC BY / CC BY-SA), z obowiązkowym przypisaniem autorstwa niesionym w produkcie.

Tłumaczenie

Dziewięć zainstalowanych par tłumaczeniowych, każda licencja zweryfikowana, dzięki czemu transkrypcja może przejść z jednego języka na drugi.

Silnik pionowego wideo

Prompter renderujący wideo 9:16, 16:9 i 1:1; jednominutowy pionowy klip kosztuje około 7 sekund obliczeń — zmierzone — bez GPU.

Zsynchronizowane napisy

Ścieżka napisów .srt jest generowana i zsynchronizowana z głosem.

Szyfrowanie w spoczynku

Dane klientów znajdują się na wolumenie LUKS2 (AES-XTS, 512-bit), który montuje się automatycznie przy rozruchu — udowodnione bazą danych kont bajtowo identyczną przed i po.

RODO w projekcie

Źródłowe audio jest automatycznie usuwane w ciągu godziny przez timer systemd; adresy IP nigdy nie są przechowywane w postaci jawnej (solony HMAC-SHA256, ograniczona retencja); klient wybiera okno retencji ograniczone do 30 dni.

Kopie zapasowe, dowiedzione jako odtwarzalne

Zewnętrzne, zaszyfrowane, deduplikowane kopie zapasowe (restic do 1 TB Storage Box); prawdziwe odtworzenie zostało wykonane z lokalizacji zewnętrznej i zweryfikowane — sprawdzono integralność zrzutu, odczytano 37 tabel.

Zmierzona dostępność

Kontrast WCAG 2.1 obliczony para po parze przez skrypt: tekst główny na 16.26:1 (AAA); użycia akcentu-jako-tekstu oznaczone na 2.07:1 poniżej AA, następnie skorygowane do zera par poniżej progu w obu motywach.

Pod maską

Łańcuch techniczny

Jak pasują do siebie elementy: brzeg nginx przed instalowalną aplikacją, lokalne silniki mowy, zaszyfrowany wolumen danych oraz łańcuch dostarczania, który sam się dowodzi.

Brzeg i TLS

Brzeg nginx terminuje TLS (Let’s Encrypt) i serwuje punchbox.fr.

Aplikacja (PWA)

Instalowalna progresywna aplikacja webowa — HTML/CSS/JS, bez frameworka, bez budowania — z wersjonowanymi zasobami z wymuszonym odświeżaniem pamięci podręcznej.

API transkrypcji

Usługa FastAPI ze ścisłą kolejką jednego workera, uwierzytelnianiem kluczem, limitami i czyszczeniem RODO — zmierzono, że równoległe workery nic nie dodają.

Lokalne silniki mowy

faster-whisper i Piper działają lokalnie i zamrożone na serwerze Wolf; żadne API firm trzecich nigdy nie jest wywoływane.

Zaszyfrowany wolumen danych

Dane klientów znajdują się na automatycznie montowanym wolumenie LUKS2, z timerem systemd czyszczącym źródłowe audio w ciągu godziny.

Wdrożenie, które samo się dowodzi

Skrypt wdrożeniowy, który dowodzi, że kontener faktycznie się zrestartował — świeżość w ciągu 120 s, zgodność ID obrazu — i odmawia deklarowania sukcesu w przeciwnym razie. Raz uczciwie zgłosił wdrożenie jako NIEUDOWODNIONE i zatrzymał się.

Kopie zapasowe i pierwszeństwo

Nocne zewnętrzne zaszyfrowane kopie zapasowe (restic, odtworzenie przetestowane), plus zakotwiczenie OpenTimestamps każdego repozytorium i produktu.

Uczciwie oskryptowany łańcuch — dowód ponad twierdzeniem, a nie ciężkie gotowe CI z półki.

Dowód

Zmierzone, nie deklarowane

Dwie rzeczy, które Wolf zmierzył zamiast deklarować: jak szybko działają silniki oraz jak interfejs wypada względem WCAG. Liczby pochodzą z wykonanych benchmarków i skryptu kontrastu para po parze.

Zmierzone na serwerze

Ile kosztują silniki

Benchmarki uruchomione na produkcyjnym CPU (4 rdzenie), trzy zgodne przebiegi — nigdzie w produkcie nie ma GPU.

Szybkość transkrypcji: ≈ 4× czasu rzeczywistego
RAM na zadanie: 1.66 GB
1-min pionowe wideo: ≈ 7 s obliczeń

Sedno sprawy 0 wywołań API firm trzecich — silniki są lokalne i zamrożone

Ponieważ modele działają lokalnie i nigdy się nie zmieniają, trenowanie na twoim głosie jest niemożliwe, nie tylko zakazane. Nie ma żadnej firmy trzeciej, do której trzeba by dzwonić, więc nie ma komu wyciec.

WCAG 2.1, para po parze

Kontrast, zmierzony

Współczynniki kontrastu obliczone przez skrypt na faktycznie używanych parach kolorów — dobre i złe zgłoszone tak samo.

Tekst główny (jasny): 16.26:1
Tekst główny (ciemny): 15.45:1
Oznaczony akcent-jako-tekst: 2.07:1
Cel WCAG AA: 4.5:1

Audyt wykrył prawdziwe niepowodzenia i nazwał je; zostały skorygowane do zera par poniżej progu w konsoli, w obu motywach.

Dowód

Jak to jest udowodnione

Każde twierdzenie na tej stronie jest powiązane ze śladem. Prace inżynierskie przebiegały jako śledzone misje, każda kończąca się raportem z wykonanym dowodem, a nie odczytem kodu; benchmarki uruchomiono trzykrotnie; audyt interfejsu dostarcza swój skrypt i swoją formułę.

Liczby są mierzone na prawdziwym serwerze, nie szacowane.
Mocne strony, które zaczynały jako luki, są pokazane jako luka → naprawa, obie strony dowiedzione.
Uczciwe ograniczenia są podane: brak przeglądarki na hoście budującym, więc kontrole wizualne i czytnika ekranu pozostają do wykonania.
Pierwszeństwo jest zakotwiczone publicznie (OpenTimestamps), podczas gdy dokumenty pozostają prywatne.

Co to dowodzi

Sprawdzona metoda, pokazana na prawdziwym produkcie

Punchbox to sposób, w jaki pracuje Wolf, uczyniony widocznym: projektowanie, zmierzona dostępność, uprzemysłowione wdrożenie z dowodem ponownego uruchomienia, sprawdzone kopie zapasowe, RODO i oznaczona czasowo pierwszeństwo — na produkcie, który faktycznie działa.

Ta sama metoda ma zastosowanie do innych projektów na tych samych warunkach. Punchbox jest w fazie przedprodukcyjnej; nie ma żadnych danych o klientach ani przychodach do pokazania, a my nie będziemy żadnych wymyślać.

Rozpocznij projekt Przeczytaj protokół

Każda liczba na tej stronie to prawdziwy pomiar z możliwym do prześledzenia źródłem.