Verbiun

Verbiun corre sobre 4 capas que se reparten el trabajo según su peso:

• PWA (front): esta misma app, servida desde Vercel. Es instalable en el celular (manifest + service worker), funciona offline-shell y maneja toda la interfaz: panel "Nuevo podcast", reproductor, Laboratorio, Agente.
• API serverless (Vercel): funciones /api/centauri-* que orquestan: centauri-episode (biblioteca, disparo de research/generación, config, lab, ideas, todos), centauri-audio (sirve el MP3), centauri-tts (voz por línea), centauri-ask-all (cerebro), centauri-ideas. Tienen un límite de ~60s, por eso delegan lo pesado a la VPS.
• Motor (VPS búnker): un contenedor Docker (centauri-api, Node, puerto 3021, detrás de Traefik) que hace la investigación con enjambre, escribe el guión y genera la voz. Sin límite de 60s → puede tardar minutos sin cortarse. Trae ffmpeg, poppler y tesseract instalados.
• Datos: Supabase (Postgres) guarda episodios, investigaciones, modos, costos, etc.; Forge Storage guarda los archivos pesados (PDF/libros/audio).

Cerebros de IA: la voz es de Gemini (multi-hablante); el guión y la investigación los escribe Claude Sonnet; el Agente Verbiun y el Laboratorio usan Claude Opus. Vercel y la VPS se hablan con peticiones firmadas con HMAC (nadie externo puede disparar el motor).

El conocimiento se organiza en 4 áreas, y cada una tiene sus propios enjambres (modos) especializados:

• 🌐 General — enjambre transversal; ve toda la biblioteca.
• ⚙️ IA & Ingeniería — IA Engineering & Tendencias, Red Team & Debate adversarial, Auditoría de Evidencia.
• 📖 Teología & Filosofía — Teología Reformada (tu marco), Teología & Filosofía, Filosofía Antigua/Moderna, Ética. Anclan en lo reformado pero presentan todas las posturas con justicia.
• 💼 Business — Estrategia & Finanzas, Marketing & Marca (con el contexto real de Emabel/TensorMed).

Cada enjambre lleva una persona y unas instrucciones de orquestación propias (cómo descompone el tema, qué rigor exige). Por eso un podcast de teología y uno de IA "piensan" distinto. Viven en la tabla centauri_modes y se mejoran desde el Laboratorio.

Tú eliges cuánto rigor quieres; el precio del nivel más alto compra verificación, no solo volumen:

• ⚡ Rápida — 4 ángulos · 2 búsquedas c/u. Barrido económico.
• 🔬 Profunda — 6 ángulos · 3 búsquedas.
• 🛰️ Full — 7 ángulos · 4 búsquedas + agente verificador que hace fact-check de cada dato.
• 🎓 Doctoral — 9 ángulos + verificación + una 2ª ronda que detecta y rellena los huecos.

Cómo trabaja el enjambre por dentro: un Orquestador descompone el tema en N ángulos no redundantes → los investigadores trabajan en paralelo (búsqueda web real + lectura de fuentes) → el verificador (Full/Doctoral) marca cada afirmación como confirmada/dudosa/refutada → la síntesis arma el dossier + el guión. Cada agente queda registrado (rol, fuentes, tokens, costo, duración) en centauri_agent_runs — es el "examen de agentes".

La voz usa gemini-2.5-flash-preview-tts en modo multi-hablante (Nova = voz femenina, Orión = masculina; por defecto Kore/Puck, configurables).

Límites reales del motor (verificados): máximo 2 hablantes por configuración; no soporta streaming (la respuesta llega en bloque); y satura cerca de los ~11 min por llamada → el audio largo se hace por tramos.

Workarounds de producción aplicados (suben mucho la estabilidad de la voz):

• Developer API (generativelanguage), no Vertex → 0 truncaciones vs. varias en Vertex.
• Lotes acotados a <2.800 caracteres por llamada (antes eran 8 líneas fijas que podían pasarse de 3.000 y truncar/cambiar la voz).
• temperature 0.5 + safety BLOCK_NONE en las 5 categorías → menos líneas alucinadas y menos bloqueos.

Costo: ≈ centavos de USD por episodio (10-15× más barato que ElevenLabs).

Claude escribe el guión por partes (~7 min cada una; así escala a 30+ min sin truncarse), encadenando el final de cada parte con la siguiente para que fluya.

Rigor factual estricto (regla dura): solo se pueden afirmar cifras, porcentajes, estudios, autores o años que aparezcan literalmente en el dossier. Lo que no está, se dice en cualitativo ("la evidencia sugiere…") sin números inventados. Es preferible decir menos pero 100% verdadero.

Patrones de calidad (recién aplicados desde la investigación de tendencias): cold open en los primeros 30s (sin "bienvenidos / deep dive"); roles asimétricos (Nova conduce y pregunta como el oyente, Orión explica); prohibidas las muletillas de validación ("claro", "exacto", "diste en el clavo"); turnos cortos para que la voz suene natural.

Puedes alimentar un episodio con tus propias fuentes, además (o en vez) de la investigación del enjambre:

• Links de YouTube y páginas web, y texto pegado directo.
• Archivos: PDF y libros. Los PDF digitales se leen en el navegador (pdf.js); los grandes o escaneados se procesan en la VPS con OCR Tesseract (español+inglés). El original se guarda automáticamente en Forge Storage → "Verbiun · Archivos adjuntos".

3 modos de fuente: Mezclar con la investigación · Solo mis fuentes (no busca en la web) · Audiolibro íntegro (narra tu material fielmente, por módulos, ideal para libros de 300+ páginas).

Cada episodio es un solo MP3 (no decenas de fragmentos), con la transcripción sincronizada (se resalta la línea que suena, usando timestamps reales por línea). Incluye:

• Capítulos navegables (Claude agrupa el guión en secciones).
• Resumen express (~90s) del episodio.
• Velocidad ajustable, por defecto 1.5× con tono preservado (sin efecto ardilla).
• Barra arrastrable, mini-player persistente, descargar/compartir MP3, y buscar en la transcripción.

Es el cerebro de la app (Claude Opus) que conoce TODA tu biblioteca. No solo busca: razona y entrelaza ideas entre distintos episodios, cita las fuentes con [n], y mantiene conversación.

También propone ideas accionables de negocio a partir de cada investigación, cruzándolas con el "resumen de tu ecosistema" (marca ✨ las nuevas y 🟡 las que quizá ya tienes). Esas ideas se acumulan en la sección "Ideas para evolucionar".

En el roadmap: se le sumará el modo "interrumpir y preguntar" mientras escuchas, el chat post-episodio en el reproductor, y el botón "Afinar" (que propone puntos ciegos antes de generar).

La primera vez (pensado para usuarios nuevos), un recordatorio breve aparece abajo-izquierda invitando a personalizar el enjambre — dura ~3,5s y se va solo, sin interrumpir. El modal completo ya no se auto-abre (antes molestaba al admin en cada inicio).

Para afinar tu enjambre cuando quieras: Admin → "✨ Personalizar mi Verbiun". Defines área, estilo, foco y tradición; eso ajusta los defaults y el comportamiento de tus enjambres. Así el admin trabaja tranquilo y el usuario nuevo igual recuerda configurarlo.

Modelo híbrido de costos: el día a día corre por API (rápido, barato), pero lo pesado puede correr por tu plan Max sin gastar API.

El botón "Generar misión para TUNIX" arma un prompt con TODA tu configuración (área, enjambre, profundidad, foco, duración, voces) + tus fuentes. Lo copias, me lo pegas en el chat, y la investigación + el guión corren con tu plan Max → $0 de API. El único costo es la voz (~$350 CLP) cuando la generas en la app con "Aprobar y generar".

Supabase guarda todo en tablas dedicadas: centauri_episodes (guión, audio, costos, estado), centauri_research (dossier + fuentes), centauri_modes (enjambres), centauri_agent_runs (examen de agentes), centauri_lab/_runs (Laboratorio), centauri_config, centauri_playback, centauri_ideas, centauri_todos.

Seguridad: la VPS está blindada (SSH directo cerrado a propósito; entrada solo por túnel Cloudflare). Vercel dispara el motor con peticiones firmadas (HMAC) y un secreto compartido, así nadie externo puede generar episodios ni gastar tus créditos. Las API keys viven solo en el servidor, nunca en el front.

Cada episodio tiene dos costos: investigación + guión (Claude) y voz (Gemini TTS). La app estima el costo antes de generar y respeta un tope configurable (máx CLP). El detalle real (tokens, búsquedas, costo por agente) queda guardado por episodio.

Control de gasto: cada llamada a Gemini/Claude se registra al instante en centauri_usage (sobrevive reinicios del contenedor; incluye reintentos y errores, que antes se perdían). Un freno con topes diario y mensual en CLP bloquea y avisa si se superan, más un anti-loop que corta ráfagas anormales de llamadas (protege contra un bug que dispare gasto). Topes editables en vivo (centauri_config). Vistas centauri_gasto_total/_dia.

Referencias: la voz con Gemini cuesta centavos de USD por episodio. Por eso la Misión Max es tan conveniente: te ahorra el costo de investigación/guión (lo absorbe tu plan Max) y deja solo la voz.

Toda mejora de ingeniería (workarounds TTS, masterizado de audio, citación a nivel párrafo, anti-alucinación con grounding, voz persistente de los hosts, etc.) vive como tarea en el Laboratorio → área IA & Ingeniería, y se marca como realizada a medida que se aplica.

La hoja de ruta salió del podcast doctoral "Estado del arte de podcasts con IA". Esta sección refleja siempre cómo está construido Verbiun hoy; cada vez que se mejora algo, se actualiza acá y en el Laboratorio.