Transcribe-ai
Inspiration
Soy Luisa Garcia de Ciudad de Mexico. Me apasiona aprender idiomas y creo firmemente que el conocimiento debería estar al alcance de todos.
Las conferencias tecnológicas reúnen a personas de todo el mundo para compartir ideas increíbles, pero muchas veces el idioma puede convertirse en una barrera.
Entonces me hice una pregunta:
¿Qué pasaría si pudiéramos eliminar esa barrera mientras la conversación está sucediendo?
Así nació Transcribe-ai: una herramienta para que las personas puedan seguir y comprender conferencias en tiempo real, sin importar el idioma en el que se esté hablando.
Porque el acceso al conocimiento no debería depender del idioma que hablas.
What it does
Transcribe-ai ofrece transcripción y traducción simultánea en tiempo real para conferencias.
Cada conferencia se maneja como un Stage, y los asistentes pueden seleccionar el Stage y el idioma en el que quieren recibir la traducción.
También integré Transcribe-ai directamente con OBS, permitiendo mostrar la traducción como un overlay sobre la transmisión y continuar utilizando el flujo habitual para transmitir la conferencia a plataformas como YouTube o Twitch.
De esta manera, una transmisión tradicional puede convertirse en una experiencia multilingüe sin cambiar el flujo de trabajo del equipo de producción.
How I built it
Construí Transcribe-ai con una arquitectura pensada para procesamiento en tiempo real, múltiples idiomas y múltiples Stages.
Utilicé Gemini 3.5 Transcribe Live para procesar el audio y realizar la transcripción y traducción en tiempo real.
Cada Stage tiene su propio Worker independiente, construido con Python y FastAPI, que mantiene la conexión con Gemini y procesa el audio de esa conferencia.
Utilicé Redis Pub/Sub para manejar y distribuir las traducciones de los diferentes idiomas. Esto permite que un mismo Stage pueda ofrecer múltiples traducciones sin tener que volver a procesar el audio original para cada idioma.
Finalmente, la traducción seleccionada regresa a OBS como un overlay, listo para formar parte de la transmisión.
La arquitectura queda desacoplada por Stage, por lo que puedo agregar, detener o aislar conferencias de manera independiente.
Challenges we ran into
Uno de mis principales retos fue reducir la latencia de la API de Gemini para conseguir una traducción lo más cercana posible al tiempo real.
También trabajé bastante en el diseño del overlay para OBS. No quería simplemente mostrar texto sobre la transmisión; quería que los subtítulos fueran claros, legibles y estéticos, sin distraer de la conferencia.
Otro reto fue asegurar que estos elementos funcionaran correctamente dentro del flujo de transmisión, manteniendo una experiencia fluida tanto para quien produce la conferencia como para quien la está viendo.
Accomplishments that I'm proud of
Estoy orgullosa de haber conseguido una experiencia funcional de transcripción y traducción en tiempo real utilizando Gemini 3.5 Transcribe Live.
Uno de mis momentos favoritos fue probar la herramienta hablando en chino mandarín. Como estoy aprendiendo chino, decidí probarla con mi propia voz y Transcribe-ai logró entender el audio y traducirlo correctamente en tiempo real.
También conseguí integrar la solución con OBS, permitiendo incorporar las traducciones directamente en una transmisión en vivo.
Pero, sobre todo, estoy orgullosa de haber construido una herramienta que puede ayudar a que más personas accedan y compartan conocimiento sin que el idioma sea una barrera.
What I learned
Aprendí que construir una aplicación de IA en tiempo real implica mucho más que conectar un modelo.
La latencia, el procesamiento del audio, las conexiones, la distribución de las traducciones y la experiencia visual tienen que trabajar juntas para crear una experiencia realmente fluida.
También aprendí que una arquitectura desacoplada permite construir una solución más flexible y preparada para manejar múltiples conferencias y diferentes idiomas.
Y, sobre todo, confirmé que la tecnología puede convertirse en un puente entre personas y comunidades que hablan diferentes idiomas.
What's next for Transcribe-ai
Quiero ampliar el número de idiomas disponibles, seguir mejorando la experiencia de traducción en tiempo real y desarrollar herramientas para monitorear los diferentes Stages durante una conferencia.
También quiero facilitar su adopción como proyecto open source, para que otras conferencias puedan utilizar y adaptar Transcribe-ai a sus propias necesidades.
Porque al final, mi objetivo es muy sencillo:
hacer que las ideas puedan viajar más lejos que el idioma en el que fueron dichas.
Log in or sign up for Devpost to join the conversation.