Saltar al contenido principal

Estudio de viabilidad — Podbook

Expediente técnico y diseño. Este documento conserva los estudios y la arquitectura prevista. Es posible que no todas las funciones descritas estén disponibles; el guía del usuario y el código especifican la operación actual.

Versión 2, 30 de octubre de 2026. Revisada para su funcionamiento local primero : biblioteca Calibre como entrada, procesamiento en Mac y iPad, Nextcloud como bus de sincronización, claves de nube API opcionales.

El catálogo detallado de modelos y sus prestaciones está en MOTORES.md.


1. Resumen​

LadrilloLocalmenteMachineReservar
Biblioteca de lectura CalibreSíTodos—
Todos los formatos, incluidos MOBI y AZW3Sícalibre-server, por HTTPServidor accesible
Archivos protegidos por DRMNo—Legal, insuperable
Traducción instantánea de oracionesSíTodos, incluido iPhone XSCalidad media en prosa
Traducción completa de un libro, rápidaSíTodosSin contexto entre oraciones
Traducción completa de calidad literariaSíMac (40–80 min), iPad (~2 h)Trabajo nocturno
Pantalla bilingüeSíTodosAlineación de párrafos
Narración completa del libroSíTodosProsodia plana de la voz del sistema
Narración con voz pulidaSíMac, iPadCalidad del francés a comprobar
Guiones de podcastsSíMac especialmenteSólo posición donde se siente la nube
Audio de fondo, Bluetooth del coche, controles en el volanteSíTodos—
Interfaz CarPlayProbablemente no—Autorización de Apple
Control por SiriSíTodos—
Lectura de posición única ↔ escuchaSíTodosCorazón técnico del proyecto
Sincronización por NextcloudSíTodos—

Un libro íntegramente elaborado localmente cuesta entre una y dos horas de cálculo el Mac, la noche y 0 €. El único "no" rotundo es para archivos bloqueados con DRM, y esa es una cuestión legal.


2. Los tres dispositivos y lo que cada uno puede hacer​

Este es el punto de partida de toda la arquitectura, porque las tres máquinas tienen capacidades muy desiguales.

El Mac — el taller​

No hay límite de memoria impuesto por el sistema, suministro de energía permanente y la biblioteca Calibre ya está allí. Aquí es donde se debe hacer 90% del cálculo : modelos de 27 a 30 mil millones de parámetros en 4 bits, voces de síntesis pesada, conversión de formato. Un libro completo (traducción literaria, narración, podcasts de todos los capítulos) requiere de una a dos horas sin supervisión.

El iPad Pro M4, 12 GB — unidad principal, taller auxiliar​

Sí, allí se ejecuta un LLM local. Dos reservas a tener en cuenta antes de comprometerse.

Memoria. iOS limita lo que una aplicación puede asignar. Autorización com.apple.developer.kernel.increased-memory-limit eleva este límite, pero el sistema siempre mantiene una reserva y puede negarse. Las únicas cifras públicas datan de iPad M1: 12 GB concedidos en una máquina de 16 GB, 6 GB en una máquina de 8 GB. En esta proporción, un iPad de 12 GB debería otorgar alrededor de 8 GB - lo que sitúa el techo práctico hacia un modelo 8B en 4 bits (alrededor de 5 GB de peso, más el caché de atención), un 12B apenas pasa. Ninguna fuente confirma esta cifra para un M4: esta es la primera medición que se realiza, y el código debería plegarse limpiamente si de todos modos se deniega la memoria.

Velocidad. Las lecturas disponibles dan alrededor de 120 tokens /s para un modelo de 1.2B de 4 bits en iPad Pro, y alrededor de 40 tokens /s para un modelo pequeño en el reciente iPhone. Para un 8B, cuente de 20 a 25 tokens/s. Traducir un libro de 100.000 palabras requiere alrededor de 150.000 tokens de salida, es decir. casi dos horas de generación. Es utilizable (conectado, por la noche) pero no es una acción interactiva. Por lo tanto, el iPad sirve como taller de respaldo cuando el Mac está apagado, no como taller principal.

El iPhone XS: cliente ligero, y eso es todo​

El verdadero obstáculo no son los 4 GB de RAM, es el sistema operativo. Apple corta iOS 26 a A13: el iPhone XS permanece en iOS 18, con correcciones de seguridad y más lanzamientos nuevos e importantes. Consecuencias directas:

  • No FoundationModels, no hay Apple Intelligence; el chip tampoco lo permitiría.
  • Capacidad de memoria de aproximadamente 1,5 GB para una aplicación: ningún LLM útil.
  • Kokoro y las voces neuronales: teóricamente posible en INT8, pero el motor neuronal del A12 lo convierte en un ejercicio de paciencia.

Lo que funciona y es suficiente: el marco Translation El de Apple existe desde el iOS 18, por lo que la traducción instantánea de una oración, sin conexión, funciona en el iPhone XS. AVSpeechSynthesizer también. Y como las traducciones, narraciones y podcasts llegan prefabricados por Nextcloud, no se le escapa nada importante: lee, escucha, sincroniza.

Sin embargo, tenga en cuenta: el dispositivo está al final de su viaje de software. No diseñe nada que dependa de ello, pero establezca el objetivo mínimo en iOS 18, que de todos modos es el objetivo correcto para el marco de traducción.


3. La biblioteca Calibre​

Este es el mejor punto de partida posible y cambia dos cosas respecto al estudio inicial.

Lectura directa del catálogo​

Una biblioteca Calibre es una carpeta cuya estructura es estable y está documentada:

CalibreLibrary/
metadata.db ← SQLite : tout le catalogue
Auteur/
Titre (42)/
Titre - Auteur.epub
cover.jpg
metadata.opf

Abrimos metadata.db para lectura y recuperamos títulos, autores, series, etiquetas, notas, fechas, comentarios, columnas personalizadas y rutas de archivos. Sin reimportación, sin duplicación, sin biblioteca paralela que mantener.

Dos precauciones: no escribir nunca en metadata.db (Calibre no tolera bien un segundo editor) y mantenga los datos específicos de Podbook (traducciones, audio, posiciones, anotaciones) en una base de datos separada. Opcional, una columna personalizada #podbook en Calibre le permite ver el estado de procesamiento desde Calibre, pero escribir a través calibredb, sin tocar el archivo.

Modo adicional: calibre-server expone una secuencia OPDS estándar, anunciado automáticamente como Bonjour en la red local. Práctico para navegar por la biblioteca sin haberla sincronizado, y es una opción alternativa si leer el archivo directamente plantea un problema.

El problema de formato desaparece​

Calibre convierte MOBI, AZW3, PRC, FB2, LIT y el resto a EPUB. Y la lectura de su API (API-CALIBRE.md) mostró mejor de lo esperado: calibre-server expone la conversión por HTTP. La aplicación publica una solicitud para /conversion/start/{id}, prueba el progreso y el servidor agrega el formato producido al libro en la biblioteca. El trabajo se realiza una vez, para todos los dispositivos. ebook-convert en la línea de comando permanece disponible para procesamiento masivo sin conexión.

Desaparece todo el proyecto “escribir un analizador MOBI” del estudio inicial : una o dos semanas de desarrollo y menos riesgo de mantenimiento. También es legalmente limpio: Calibre es GPL, pero lo consideramos una herramienta externa en la máquina del usuario, no la integramos en la aplicación.

Lo que queda bloqueado​

Archivos protegidos por DRM. Si la biblioteca Calibre contiene archivos Kindle que todavía están bloqueados, no se abrirán, ni en Podbook ni en Calibre. Pero una biblioteca Calibre creada hace mucho tiempo generalmente contiene archivos que ya se pueden utilizar, ya que Calibre tampoco puede leer libros protegidos. De hecho, el hecho de que la biblioteca esté bajo Calibre es una buena indicación de que el bloqueo DRM no surge.


4. Nextcloud como autobús​

Que esta circulando​

Dos árboles, estrictamente separados:

Nextcloud/
CalibreLibrary/ ← la bibliothèque Calibre, intouchée
Podbook/
42/ (identifiant Calibre du livre)
book.json structure normalisée : chapitres, blocs, phrases
fr.json traduction alignée, avec provenance par bloc
narration/ch01.m4a + .align.json
digest/ch01-resume.m4a + .json
meta.json empreintes, état, versions de moteur
state/
mac.jsonl journal d'événements par appareil
ipad.jsonl
iphone.jsonl

Tres propiedades deseadas: la biblioteca Calibre nunca se modifica, todos los derivados son regenerables y desechables, y todo está en archivos planos más de JSON — inspeccionables, portátiles, guardados por Nextcloud, sin formato propietario que los encierre.

Transporte​

WebDAV, el protocolo nativo de Nextcloud, totalmente compatible desde Swift. Sincronización en primer plano y en segundo plano (BGProcessingTaskRequest), condicionado a Wi-Fi.

Punto que importa en la práctica: las posiciones no se sincronizan mediante sobrescritura. Con tres dispositivos y un Nextcloud, gana el último que escribe, y un día u otro perdemos posición de lectura. La respuesta correcta es una registrar por dispositivo, agregar solo : cada dispositivo solo escribe su propio archivo .jsonl, y cada uno fusiona todos los registros de lectura tomando el evento más reciente por libro. No hay conflictos posibles, implementación trivial y mantenemos la historia.

Para archivos de audio grandes: descarga a pedido, sin sincronización completa. Un libro completamente procesado pesa entre 200 y 600 MB; cincuenta libras, 30 GB. No queremos eso en el iPhone.


5. Formatos de lectura​

FormatoMedioDónde
EPUB 2 y 3, diseño fluido y fijoReadium Swift Kit de herramientas, BSD-3, activo en 2026Aplicación
PDF nativoPDFKit, integradoAplicación
PDF escaneadoOCR Vision, en el dispositivo, gratisAplicación o taller
CBZ, CBRReadiumAplicación
TXT, Markdown, HTMLAnálisis directoAplicación
MOBI, AZW3, República Popular China, FB2, LITconversión → EPUBcalibre-server o ebook-convert
M4B, MP3 ya en propiedadFundación AVAplicación
DRM Kindle, Adobe, LCP—Imposible

Readium sigue siendo la buena base para EPUB: gestiona la paginación, las posiciones estables, la búsqueda y las anotaciones, es decir precisamente lo que no queremos reescribir.


6. El delicado punto técnico: una sola posición​

Sin cambios desde el primer estudio y sigue siendo el corazón del proyecto. Tres sistemas de coordenadas para mantener en correspondencia:

  1. En el documento : un localizador Readium para EPUB, índice de páginas y palabras para PDF.
  2. En texto normalizado — índice de bloque y desplazamiento de caracteres en book.json, común a todos los formatos.
  3. En audio — un tiempo en segundos en un .m4a.

Las tres formas de obtener la correspondencia, en orden de simplicidad:

  • Voz del sistema : el delegado da la variedad de caracteres hablados en tiempo real. Gratis, preciso, sin dependencias.
  • Kokoro : La arquitectura StyleTTS2 incluye un predictor de duración, por lo que las duraciones por fonema están disponibles en el modelo. Alineación exacta, gratuita, siempre y cuando el porteo los deje al descubierto.
  • Alineación forzada : WhisperKit o el paquete Align respaldado por SpeechAnalyzer de Apple, en el dispositivo. Red de seguridad para cualquier proveedor que no proporcione marcas de tiempo.

Bien hecho, esto también brinda el resaltado que sigue a la voz, la posibilidad de escribir una oración de la transcripción de un podcast para saltar al pasaje del libro y la repetición exacta entre iPad y iPhone.


7. Modo coche​

El punto importante, porque la preocupación natural – “necesitas CarPlay, por lo tanto el acuerdo de Apple, por lo tanto está bloqueado” – es falsa.

Sin autorización alguna de Apple: audio de fondo (UIBackgroundModes: audio y AVAudioSession en playback), salida Bluetooth a la radio del coche, controles en el volante mediante MPRemoteCommandCenter, visualización de título y capítulo en la pantalla del vehículo a través de MPNowPlayingInfoCenter y control mediante Siri a través de App Intents. Estos cinco puntos cubren el viaje diario al trabajo, con el teléfono en el bolsillo.

Con permiso de Apple: la propia interfaz de CarPlay, que requiere autorización com.apple.developer.carplay-audio y en la práctica una aplicación publicada en App Store. Improbable para un proyecto personal y sin importancia: es comodidad. Último hito, opcional.

Para diseñar tú mismo: la interfaz con dos o tres objetivos táctiles enormes, la cola construida de antemano que sigue sin intervención, y sobre todo la garantía de que ya todo está en el dispositivo antes de salir — túnel, zona blanca, 4G caprichoso. De ahí la generación nocturna en el Mac y un indicador claro de lo que está disponible sin conexión.


8. Riesgos​

#RiesgoGravedadResponder
1El límite de memoria real en iPad M4 es inferior al estimadoPromedioNo documentado públicamente. Mida primero. Si son 4 GB en lugar de 8, los modelos integrados bajan a 3-4B y el iPad pierde su papel como taller adicional, sin consecuencias para el resto, ya que el Mac hace el trabajo.
2La calidad del francés en los modelos locales decepcionaPromedioCierto especialmente para guiones de podcasts. Respuesta: conectores opcionales y acceso a Mac a través del punto de acceso OpenAI compatible, que da 30B sin factura.
3La voz francesa de Kokoro no es buena.BajoCobertura francesa más limitada que la inglesa. Escuche antes de codificar. Si decepciona, Premium Voice de Apple en local y ElevenLabs como opción.
4El iPhone XS sale del soporteBajoYa en su última versión mayor. Se trata como un cliente ligero, por lo que nada se rompe. Objetivo mínimo iOS 18, que de todos modos es el del marco de traducción.
5Archivos DRM en la bibliotecaBajoEl hecho de que la biblioteca esté bajo Calibre indica que los archivos ya se pueden utilizar.
6Conflictos de posición entre tres dispositivosPromedioRegistro agregado solo por dispositivo, fusionándose al leer. No es posible sobrescribir.
7Volumen de almacenamientoPromedio200 a 600 MB por libro procesado. Audio bajo demanda, purga de libros completos, AAC mono 32–48 kbit/s (aproximadamente 15 MB por hora).
8El API /ajax de Calibre no es público ni establePromedioAfirmado por el mantenedor. CalibreKit decodifica de forma tolerante, detecta la naturaleza del servidor al conectarse y vuelve a caer a OPDS; las pruebas congelan los formularios reales para que una actualización rompa una prueba, no la aplicación.
11Ninguno Calibre accesiblePromedioSin servidor, sin conversión ni búsqueda global. Los formatos nativos (EPUB, PDF) siguen siendo legibles y todos los pregenerados siguen siendo buscables.
9DistribuciónBajoUso personal: cuenta de desarrollador de Apple a 99 €/an para una compilación firmada válida por un año. El fichaje gratuito caduca cada 7 días, insostenible. No App Store.
10Deriva de costos de APIMuy débilLos conectores están deshabilitados de forma predeterminada. Contador, techo mensual, almacenamiento en caché sistemático.

9. Qué medir antes de escribir código​

Uno o dos días, y estas tres medidas determinan las elecciones de toda la suite.

1. El límite de memoria del iPad Pro M4. Una aplicación desechable que asigna de forma incremental hasta que se le niega, con y sin permiso. Determina el tamaño máximo de los modelos a bordo y, por tanto, si el iPad se puede utilizar como taller adicional.

2. Una prueba de traducción a ciegas en dos páginas de uno de sus libros, comparando cinco motores: Apple, OPUS-MT, un 8B local, un 30B en el Mac y Claude. Esta es la única manera honesta de saber si las premisas son suficientes. Es muy posible que el pase rápido OPUS-MT más el pase 30B en Mac haga que las claves de API sean inútiles para la traducción.

3. Escuchar Kokoro en francés, en comparación con la voz Premium de Apple, en un párrafo resumen. Si la voz del sistema es suficiente, toda la estación de audio cae a cero en los tres dispositivos y desaparece un módulo completo.


10. Conclusión​

El proyecto está totalmente factible localmente, con el hardware ya instalado: biblioteca Calibre como entrada, Mac como taller, Nextcloud como bus, iPad y iPhone como lectores. Costo operativo real: cero, excluida la electricidad. Las teclas API siguen siendo una opción cómoda, no una adicción.

Tres ajustes respecto al primer estudio, todos favorables:

  • Calibre elimina el patio de formatos y más. Su servidor convierte por HTTP, mantiene posiciones de lectura e indexa el texto de los libros. El catálogo se puede leer directamente y /cdb/cmd/… le permite escribir limpiamente en la biblioteca. Ver API-CALIBRE.md.
  • El Mac cambia las reglas del juego en cuanto a calidad. Sin límite de memoria, los modelos 30B funcionan gratis por la noche. El nivel de calidad local pasa de “aceptable” a “bueno”, y la factura baja de 6€ por libro a 0.
  • El iPhone XS no es un problema, es una restricción arquitectónica — y empuja hacia el buen diseño: fabricar por adelantado, consumir en todas partes. Esto es exactamente lo que se necesita para el modo coche, que no tiene por qué depender de ninguna red.

El único punto realmente nuevo que llama la atención es el límite de memoria del iPad, no documentado, que se debe medir. Y no es grave: si el iPad resulta más limitado de lo esperado, lo que desaparece es su función de taller adicional, no una funcionalidad.


Fuentes​