Talkie

Inspiration

Nas últimas semanas tive uma sequência intensa de apresentações e pitches: defesa de estágio, reuniões com clientes, e este próprio hackathon. Quanto mais treinava, mais percebia que comunicar bem é uma skill que se constrói com repetição e feedback honesto, mas que quase ninguém tem acesso a esse feedback de forma estruturada. Quando vi o tema do hackathon, a ligação foi imediata: e se a AI fosse o coach que toda a gente devia ter?

What it does

A Talkie é uma app móvel que treina a comunicação do utilizador para um momento específico, seja uma entrevista, uma defesa, ou um pitch. O utilizador descreve o seu desafio e a app gera um plano personalizado de cinco minutos por dia. Cada sessão apresenta uma pergunta adaptada ao contexto, o utilizador responde por voz, e a AI analisa a resposta em três dimensões: filler words ("uhm", "tipo", "prontos"), objetividade e ritmo. No fim, devolve uma nota de 0 a 10 e uma lista de melhorias acionáveis que podem ser aplicadas e testadas na hora. Há também um modo de conversa livre para treino espontâneo, e um sistema de streaks que mantém a consistência diária.

How I built it

• Frontend: React Native, com foco obsessivo em fluidez e polish. Queria que parecesse um produto de mercado, não um protótipo de hackathon.
• Backend: FastAPI a orquestrar transcrição e análise e base de dados em Supabase.
• Speech-to-text: Whisper (OpenAI) para transcrição da voz do utilizador.
• Análise e geração de planos: Claude Sonnet para o raciocínio mais pesado (geração de planos personalizados, análise estruturada da resposta), Claude Haiku para tarefas rápidas onde a latência importa mais que a profundidade.

Challenges I ran into

O maior desafio foi inesperado: o Whisper, por defeito, filtra automaticamente as filler words da transcrição, exatamente o oposto do que precisava. Tive de contornar isto ao nível dos parâmetros e do pós-processamento para preservar os "uhms" e "tipos" que são o core da análise.

Cache e sincronização entre frontend e backend também deram trabalho, especialmente para garantir que o estado do plano e dos desafios diários se mantinha consistente entre sessões.

E depois houve o frontend. Decidi desde o início que não queria UI de hackathon, queria algo perto de production-quality. Isto custou muitas horas, mas é também aquilo de que mais me orgulho.

Accomplishments that I'm proud of

• Um frontend com qualidade muito próxima de produção, feito com cuidado a cada interação.
• A qualidade do output da AI: feedback que é genuinamente útil, não genérico.
• Conseguir um produto coeso e funcional, ponta a ponta, sozinho, no tempo do hackathon.

What I learned

• A trabalhar com a API do Whisper, em particular os seus comportamentos por defeito (como o filtering de filler words) que não estão óbvios na documentação.
• A combinar dois modelos Claude diferentes (Haiku e Sonnet) consoante o tradeoff entre velocidade e profundidade de análise.
• Que polish no frontend muda completamente a perceção do produto, mesmo num contexto de demo.

What's next for Talkie

• Análise de vídeo e linguagem corporal: postura, contacto visual, gestos. As componentes não-verbais que muitas vezes definem se uma apresentação convence.
• Desafios mais dinâmicos: simulações de Q&A hostil, role-play de entrevistas, cenários adaptativos que mudam com base no desempenho.
• Dificuldade progressiva: o plano deve evoluir à medida que o utilizador melhora, não ficar estático.

Built With

• claude
• expo.io
• fastapi
• openai
• react-native
• supabase