Saltar al contenido principal

Distribución de salarios — 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.

Quién hace qué, ladrillo a ladrillo: la aplicación móvil, el Mac, la nube. Compañero de ESPECIFICACIONES.md para funciones y MOTORES.md para plantillas.


1. Aclaración preliminar: “LM Studio” no es “el Mac”​

Hay dos cosas distintas en el Mac, y confundirlos distorsiona todo el razonamiento.

LM Studio Se utiliza (o Ollama, su elección) un modelo de lenguaje textual detrás de un punto de acceso OpenAI compatible con HTTP. Es el cerebro y nada más. No convierte formatos, no hace OCR, no realiza síntesis de voz, no codifica audio, no orquesta nada.

Podbook Taller es el ejecutable que orquesta: monitorea Calibre, llama ebook-convert, corta el texto, consulta LM Studio para todo lo textual, ejecuta la síntesis de voz, calcula las alineaciones, codifica el .m4a y publica en Nextcloud.

Entonces: LM Studio = la cuidadosa traducción y guiones del podcast. El Taller = todo el resto del trabajo en el lado Mac.

LM Studio o MLX integrado en el Taller?​

Taller + LM StudioTaller con MLX integrado
Cambiar modeloGUI, dos clicsconfiguración, incluso recompilación
El iPad puede consultar el modelo directamentesino
Debe funcionar continuamentesino, independiente
Control fino (caché, lotes, glosario)limitado a lo que expone APIen total
Empezandoinmediatodesarrollo

Recomendación: LM Studio para comenzar. Probamos cinco modelos en una noche y, sobre todo, el iPad puede cuestionarlo directamente sin pasar por el Taller. Cambiaremos a MLX integrado si el rendimiento o el procesamiento por lotes lo requieren; este es un detalle de implementación detrás del protocolo. TranslationEngine, no una decisión arquitectónica.

Nextcloud no es “la nube”​

Nextcloud es tu servidor. Transporta y guarda archivos, no calcula nada. Cuando este documento dice “nube”, se refiere a servicios API facturados por volumen: Anthropic, Mammouth.ai, ElevenLabs, OpenAI.


2. El cuadro central​

LadrilloAplicación móvilTaller MacLM StudioNubePredeterminado
Catálogo Calibre●●●———Aplicación
Conversión MOBI, AZW3 → EPUBpilotaje●●●——calibre-server, por HTTP
Análisis, normalización book.json●●●●●——Mac
OCR de la imagen PDF●●●●●——Mac (más rápido)
Renderizado, paginación, tipografía●●●———Aplicación
Traducción de una frase de barril●●●———Aplicación, y solo la aplicación
Diccionario de palabras●●●———Aplicación
Traducción completa, pase rápido●●●●●●——Quien vea el libro primero
Traducción completa, edición cuidadosa●(iPad, 2 h)vía LM Studio●●●●●LM Studio
Pantalla bilingüe●●●———Aplicación
Narración completa del libro●●●●●●✗✗ demasiado caroAplicación (AVSpeech)
Texto ↔ alineación de audio●●●●●●✗—Donde se produce la voz
Guiones de resumen y podcasts●(iPad, débil)vía LM Studio●●●●●●LM Studio
Voces de podcasts●●(iPad, Kokoro)●●●✗●●●Mac
Reproductor de audio, cola●●●———Aplicación
Modo coche, Siri●●●———Aplicación
Posiciones de lectura●●●leyendo——calibre-server
Posición de audio, vocabulario●●●leyendo——Aplicación (Calibre no los conoce)
Sincronización, almacenamiento●●● WebDAV●●● WebDAV——Nextcloud
Búsqueda en el texto completopilotaje———calibre-server (/fts/search)

●●● adecuado — ●● posible — ● degradado — ✗ inadecuado o imposible — — fuera de tema

Tres lecturas de este cuadro​

La aplicación móvil hace todo lo esencial por sí sola. Sin Mac encendido y sin ninguna tecla API: catálogo, lectura de EPUB y PDF, traducción instantánea de barril, diccionario, traducción completa del libro en pase rápido (en iPad), narración completa, alineación, lector, modo coche, posiciones. Se cubren los tres usos del proyecto. El Mac y la nube solo suman calidad.

El Mac no hace nada exclusivo: lo hace mejor o más rápido. La lectura de API Calibre (API-CALIBRE.md) corrigió la suposición anterior: calibre-server se convierte en HTTP (POST /conversion/start/{id}, encuesta de trabajo, se agrega el formato del producto al libro en la biblioteca). La aplicación funciona, el servidor funciona y el resultado beneficia a los tres dispositivos. Por lo tanto, ya no es necesario realizar un taller en Mac para abrir un MOBI, solo un servidor Calibre accesible. Y la misma declaración mostró que el servidor ya tiene el posiciones de lectura y el búsqueda de texto completo, dos ladrillos que Podbook ya no tiene que reinventar.

La nube no trae nada estructural. Tres puestos de confort, costeados: guiones de podcast de primer nivel (~1,50 €/libro), voz de podcast de alta gama (~4 €/libro), traducción literaria inmediata en lugar de esperar toda la noche (~0,90 €/libro). No existe ninguna funcionalidad sólo por eso.


3. Los dos caminos hacia Mac​

Esta es una sutileza que merece ser explícita, porque cambia la experiencia.

Ruta A: asíncrona, columna vertebral​

Calibre → Atelier (la nuit) → Nextcloud → l'app lit des fichiers

La aplicación nunca habla con LM Studio. ella consume .json y .m4a ya fabricado. Se puede apagar el Mac, cortar la red, estamos en zona blanca: todo funciona. Este es el modo normal y esto es lo que hace que el modo automóvil sea confiable.

Ruta B: sincrónica, salida de emergencia​

l'app → http://mon-mac.local:1234/v1 → LM Studio → réponse immédiate

La aplicación consulta LM Studio directamente en la red local o mediante Tailscale desde fuera. Para el “hazlo ahora”: vuelve a traducir un párrafo que suena mal, obtén el resumen de un capítulo sin esperar de un día para otro, haz una pregunta sobre el libro.

El Mac debe estar encendido y el LM Studio iniciado. Por lo tanto, es una ventaja, nunca un requisito previo, y desde el punto de vista de la aplicación, es exactamente el mismo conector compatible con OpenAI que para la nube, con una dirección diferente. Calidad total, cero euros, sin datos para salir de casa.


4. Operación, característica por característica​

Biblioteca​

metadata.db es una base de datos SQLite: la abrimos solo lectura y extraemos títulos, autores, series, etiquetas, notas, comentarios y columnas personalizadas. Sin reimportaciones, sin bibliotecas paralelas. Se excluye escribir en él (Calibre no tolera un segundo escritor), por lo que los datos específicos de Podbook viven en una base de datos separada. Además, calibre-server expone una secuencia OPDS anunciada en Bonjour, útil para navegar por la biblioteca sin haberla sincronizado.

Aplicación: todo. Mac: nada especial, Calibre es la fuente.

Formatos y conversión​

EPUB y PDF se leen de forma nativa en la aplicación, a través de Readium y PDFKit. CBZ, TXT y HTML también. MOBI, AZW3, PRC, FB2 deben pasar por el Taller, quien llama ebook-convert y deja caer un EPUB al lado. Las imágenes PDF están optimizadas por Vision, disponibles en iOS como en macOS, pero en 500 páginas el Mac va mucho más rápido.

Lo que permanece bloqueado: archivos protegidos con DRM. Insuperable, y legal antes que técnico.

Traducción: una pirámide de tres pisos​

Piso 1: toque, instantáneo. Pulsación larga sobre una frase, el marco Translation de Apple responde localmente, sin conexión y gratis, incluido en el iPhone XS (el marco existe desde iOS 18). Calidad correcta oración a oración. Este piso nunca, bajo ningún concepto, debe depender de la red : este es el gesto más frecuente en toda la aplicación.

Piso 2 — el pase rápido, unos minutos. OPUS-MT, un modelo dedicado de 300 MB, traduce el libro completo. Una evaluación académica de FLORES lo ubica con el mejor puntaje chrF++ en francés, por delante de los LLM generales de 14B. Lo que no sabe hacer: mantener la coherencia de un extremo al otro del libro. Funciona tanto en iPad como en Mac — un libro importado durante el viaje es bilingüe la misma noche, sin el Mac.

Piso 3 — el paso limpio, de noche. LM Studio, modelo de 27 a 30 mil millones de parámetros, capítulo por capítulo con un glosario que se construye a lo largo del libro. Espere de 40 a 80 minutos. Esto es lo que aporta coherencia terminológica, los pronombres correctos, los modismos tratados como modismos. Los bloques son reemplazado uno por uno, por lo que la calidad aumenta mientras dormimos. La aplicación muestra discretamente el origen de cada bloque y puedes solicitar la reanudación de un pasaje.

Cada bloque lleva su huella sourceHash, el identificador del motor y su versión. Nada se vuelve a calcular dos veces y, si el archivo fuente cambia, los derivados en cuestión quedan invalidados por sí mismos.

Pantalla bilingüe​

Materia de interfaz pura, completamente en la aplicación, impulsada por fr.json. Seis modos: solo VO, solo FR, alternado, dos columnas (iPad en paisaje), revelación al tocar, banner fijo en la parte inferior. Conmutable con un gesto sin perder su lugar.

Narración del libro​

En la aplicación, por AVSpeechSynthesizer, y esta es una elección deliberada. Gratis, sin conexión, disponible en los tres dispositivos, mucho más rápido que en tiempo real y, sobre todo, proporciona willSpeakRangeOfSpeechString : la variedad de caracteres hablados en tiempo real. Este es el ladrillo que proporciona resaltado sincronizado y el puente entre la posición de escucha y la posición de lectura, de forma libre y exacta. write(_:toBufferCallback:) genera un archivo en lugar de hablar, por lo que lo creamos previamente.

Narrar un libro completo con voz en la nube costaría entre 24 y 60 dólares para ganar comodidad en un volumen donde la voz importa poco: descartado. El Mac puede producir una narración de voz cuidadosa (Kokoro, Piper, XTTS) si la voz del sistema se cansa; es su elección, libro por libro.

Guiones de resumen y podcasts​

El post principal de LM Studio, y el único donde realmente se siente la nube. Cinco formatos: flash de 3 minutos, resumen del capítulo, el libro en 20 minutos, conversación bidireccional, análisis en profundidad y cuatro ángulos: resumen fiel, ideas clave y aplicación práctica, explicación para principiantes, lectura crítica.

Un libro de 100.000 palabras genera alrededor de 130.000 tokens: un modelo local con contexto de 32k trabaja capítulo por capítulo y luego realiza una pasada de síntesis, un modelo en la nube con un millón de tokens se traga el libro de un solo trago.

La cuestión del método cuenta más que la elección del modelo: no debemos no genere un resumen escrito y luego haga que lo lean. Debes pedir un guión hablado : oraciones cortas, sin listas con viñetas, transiciones habladas, indicaciones. Un resumen escrito leído por una máquina no se puede escuchar; un guión diseñado para el oído funciona bien incluso con la voz del sistema. Es un trabajo rápido y gratuito, y eso es lo que separa "funciona" de "lo escucho todas las mañanas".

Honestamente: resumir requiere priorizar y elegir, y un 30B local hace un francés correcto pero genérico, mientras que un modelo de nube líder hace un francés que se mantiene. Alrededor de 1,50 euros por libro para cerrar la brecha. Este es el único lugar donde recomiendo tener una llave a mano.

Voces de podcasts​

Inversa de la narración: volumen bajo, escucha activa, la voz cuenta enormemente. Mac por defecto con Kokoro (82M parámetros, Apache 2.0, alrededor de 80 MB en INT8, y su predictor de duración proporciona la alineación de forma gratuita). La nube se justifica aquí, por unos 0,15 euros por capítulo. El iPad también sabe hacerlo; el iPhone XS no, su motor neuronal A12 lo convierte en un ejercicio de paciencia.

Reproductor de audio y modo coche​

Completamente dentro de la aplicación y sin dependencias de red por diseño. UIBackgroundModes: audio, AVAudioSession en playback, MPRemoteCommandCenter para los botones del volante, MPNowPlayingInfoCenter para la pantalla del vehículo, Intents de aplicación para Siri. Nada de esto requiere permiso de Apple. Sólo la propia interfaz de CarPlay requiere uno, algo poco probable para una aplicación personal y sin importancia.

El modo Coche tiene tres objetivos táctiles en pantalla completa y una cola preconstruida que sigue: destello del próximo capítulo, narración, siguiente capítulo. Con un indicador claro, antes de lo que está disponible sin conexión.

Posiciones, anotaciones, vocabulario​

No todos los dispositivos escriben como su propio periódico .jsonl, agregado solo, y cada uno fusiona todos los registros al leer, conservando el evento más reciente por libro. Con tres dispositivos en uno Nextcloud, sobrescribir un archivo compartido le haría perder una posición en algún momento. Allí no son posibles conflictos, la implementación es trivial y se conserva la historia.


5. Escenarios​

Llega un libro en Calibre​

Mac, la nuit, sans surveillance
Atelier détecte le nouveau livre dans metadata.db
ebook-convert → EPUB Atelier
analyse, découpage en blocs et phrases Atelier
passe rapide OPUS-MT ~3 min Atelier
passe soignée, chapitre par chapitre 40-80 min LM Studio
narration par chapitre + alignements ~30 min Atelier
scripts de podcast des 20 chapitres 15-30 min LM Studio
synthèse des podcasts en voix Kokoro ~10 min Atelier
publication → Nextcloud

Total : une à deux heures, 0 €. Au réveil, tout est sur l'iPad.

Un libro importado al iPad mientras viaja​

iPad, sans Mac, sans réseau
import par la feuille de partage App
si EPUB ou PDF → lisible immédiatement App
si MOBI → conversion demandée au serveur Calibre ⚠️ réseau requis
passe rapide OPUS-MT ~3 min App
→ bilingue complet le soir même
narration AVSpeech + alignement App
→ écoutable dès le lendemain matin
la passe soignée et les podcasts attendront le Mac

La sesión de lectura vespertina​

100 % dans l'app, hors-ligne, Mac éteint
ouverture du livre à la position de ce matin journaux fusionnés
lecture en VO, mode révélation au tap App
appui sur une phrase → français instantané Translation (Apple)
appui sur un mot → définition et phonétique dictionnaire local
ajout au carnet de vocabulaire App
position écrite dans ipad.jsonl App

El viaje matutino​

100 % dans l'app, hors-ligne, zéro dépendance
connexion Bluetooth → le mode voiture s'arme App
file : flash du chapitre 8, puis narration du chapitre 8 fichiers locaux
boutons du volant → pause, chapitre suivant MPRemoteCommandCenter
écran du véhicule → titre, chapitre, progression MPNowPlayingInfoCenter
« Siri, résume-moi ce chapitre » App Intents
position d'écoute écrite dans iphone.jsonl App
→ le soir, le livre s'ouvre au bon paragraphe

6. Reglas estrictas​

Lo que no debería nunca depende de la red, Mac o una clave de API:

  1. Abre un libro y lee.
  2. La traducción de una frase de barril y el diccionario.
  3. Leer y escuchar lo que ya está hecho.
  4. Modo coche, en su totalidad.
  5. Guarda y encuentra tu posición.

Y su corolario, que es el por qué de toda esta arquitectura: nunca fabricamos en el momento en que consumimos. Túnel, zona blanca, 4G temperamental, Mac apagado: todo lo que importa ya está en el dispositivo.