Media AI Processor
Una aplicación para trabajar con documentos y multimedia con IA: transcribir, traducir, resumir, limpiar audio y hacer OCR.
El problema
Manipular documentos y multimedia exige conectar operaciones especializadas con controles que se entiendan.
Qué construí
Una interfaz React que llama a una API FastAPI con un router por módulo: audio, transcripción, traducción, OCR, resumen y documentos. Los modelos corren en el propio servicio y cada trabajo se sigue por estado.
Resultado
Un recorrido claro de entrada, procesamiento y descarga, con modelos abiertos que no dependen de APIs de pago.
Decisiones que importaron
- 01
Un módulo por capacidad
Cada operación tiene su router y su servicio dentro de la API, así se agregan sin tocar las demás.
- 02
Trabajos con estado
Los procesos largos se consultan por id y se descargan al terminar; Supabase guarda su estado.
- 03
Modelos abiertos
Whisper, MarianMT, BART y EasyOCR, ejecutados sin conexión a servicios de pago.
Tecnologías
- React
- FastAPI
- Whisper
- EasyOCR
- Supabase
- Cloudinary
Modelo C4. La línea con pulso es el recorrido principal de una solicitud.
Nivel 1 · quién usa el sistema y con qué se conecta
Nivel 2 · las aplicaciones y almacenes que lo componen
Nivel 3 · los componentes dentro de la API
- Persona
- Sistema
- Contenedor
- Base de datos
- Externo
- Recorrido principal
- 01Archivo
- 02Interfaz
- 03API
- 04Módulo
- 05Trabajo
- 06Descarga