Subdearla

Inspiración

Este año Nerdearla tiene más de 30 charlas en inglés, muchas ocurriendo al mismo tiempo.

Hoy, subtitularlas implica herramientas pagas, una PC por sala y alguien entrando por RustDesk a apretar F5 cuando algo se rompe. Y si estás viendo el evento online, directamente no tenés traducción.

Nos preguntamos:

¿por qué entender una charla debería depender del idioma, de la sala o de que alguien esté vigilando una computadora?

Así nació Subdearla.

Conectás el audio de cada escenario, el público escanea un QR, elige sala e idioma y empieza a leer.

Probamos 10 salas funcionando en paralelo, con subtítulos en el idioma original, español, inglés y portugués.

Pero construyéndolo descubrimos algo más importante:

una charla no termina cuando termina.

En 45 minutos alguien menciona una herramienta increíble, explica una idea clave o lanza un hot take.

Después todo queda enterrado dentro de una grabación que casi nadie vuelve a mirar completa.

Ahí Subdearla dejó de ser solamente una herramienta de subtítulos.

Mientras el speaker habla, Nerd Radar usa Gemini para detectar automáticamente:

💡 ideas clave
🔧 herramientas
🧪 demos
🔥 hot takes
❓ preguntas

Si llegaste tarde, tocás Ponete al día y obtenés lo esencial de la charla hasta ese momento en aproximadamente 90 segundos y en tu idioma.

Y como cada momento ya tiene su timestamp exacto, NerdCut puede convertirlo automáticamente en un clip 9:16 o 16:9 con subtítulos quemados.

En nuestras pruebas, puede estar listo en alrededor de 10 segundos.

Cómo funciona

La PC de cada sala simplemente abre una página web, captura el audio de la consola y lo envía al servidor.

Gemini trabaja una sola vez por sala, no una vez por espectador, así que el costo no crece con el tamaño de la audiencia.

Todo el sistema ronda los US$2,4 por sala por hora.

El desafío

Pensábamos que lo difícil sería transcribir.

No lo fue.

Lo difícil fue decidir cuándo algo ya estaba listo para mostrar.

Un speaker puede hablar durante minutos sin una pausa clara y Gemini puede seguir reescribiendo texto provisional.

Llegamos a medir bloques de más de 3.000 caracteres sin cerrar.

Así que construimos nuestro propio segmentador para detectar qué partes ya son estables y mostrarlas sin esperar a que termine toda la frase.

También resolvimos renovaciones de sesiones Live sin perder audio, modelos de respaldo y generación de subtítulos compatible con distintas versiones de ffmpeg.

Y descubrimos un último bug de infraestructura:

la Mac se dormía durante las pruebas.

Ahora hasta eso está documentado.

Qué aprendimos

Empezamos queriendo traducir una conferencia.

Terminamos construyendo un sistema que puede escuchar una charla, entender qué está pasando y convertir sus mejores momentos en información reutilizable mientras todavía está ocurriendo.

Porque una charla no debería perderse por el idioma.

Y tampoco debería desaparecer cuando termina.

Eso es Subdearla.