Los 11 Tipos de Pasos Estándar del Flujo de Trabajo

El motor de flujos de trabajo de DuRT 3.0 cuenta con una arquitectura de canalización extensible basada en grafos acíclicos dirigidos (DAG) con 11 tipos de pasos especializados. Cada paso cumple un contrato estricto de tipos de datos, lo que permite encadenar y ramificar entradas, motores de reconocimiento, modelos de lenguaje, síntesis de voz y entrega multicloud en una canalización automatizada.

┌─────────────────┐     ┌─────────────────┐     ┌─────────────────┐     ┌─────────────────┐
│ 1. Fuente Entr. │ ──> │ 2. ASR y Stream │ ──> │ 3. Poscálc. IA  │ ──> │ 4. TTS y Export │
└─────────────────┘     └─────────────────┘     └─────────────────┘     └─────────────────┘

---

Grupo 1: Pasos de Entrada (Fuentes de Entrada)

1. monitorCapture — Captura de Audio del Sistema y Grabación de Pantalla

• Función: Captura de forma continua audio en vivo desde Safari, Zoom, YouTube o tu micrófono mediante ScreenCaptureKit y CoreAudio de macOS.
• Tipo de Puerto de Salida: audioStream (Flujo de audio PCM)
• Opciones Clave: Audio interno del sistema frente a Micrófono; Cancelación Acústica de Eco (AEC) por hardware/DSP.

2. mediaInput — Ingesta de Archivos y URLs en Streaming

• Función: Importa archivos multimedia locales (.mp4, .mov, .mkv, .mp3, .m4a, .wav) o enlaces web de vídeo/audio (YouTube, Bilibili, URLs directas).
• Tipo de Puerto de Salida: mediaFile (Archivo multimedia físico)
• Opciones Clave: Demultiplexado de audio en el cliente y estandarización de formatos.

3. subtitleInput — Ingesta de Subtítulos y Texto sin Formato

• Función: Importa archivos de subtítulos preexistentes .srt o .vtt, o hace referencia al texto de tareas previas, permitiendo ejecutar IA descendente sin tener que volver a transcribir el audio.
• Tipo de Puerto de Salida: subtitleTrack (Pista de subtítulos temporizada)
• Opciones Clave: Detección automática de codificación de texto y ajuste de desplazamiento temporal (offset).

---

Grupo 2: Reconocimiento de Voz (ASR) y Traducción en Vivo

4. realtimeASR — Reconocimiento de Voz en Streaming

• Función: Emite fragmentos de subtítulos en tiempo real y oraciones finalizadas con latencia inferior al segundo para alimentar subtítulos flotantes.
• Tipo de Puerto de Entrada: audioStream
• Tipo de Puerto de Salida: subtitleStream (Flujo de subtítulos en vivo)
• Motores Compatibles: Apple Speech en el dispositivo, Pasarela WebSocket OneASR, OpenAI Realtime API.

5. mediaASR — Transcripción de Archivos y Diarización de Hablantes

• Función: Transcripción sin conexión de alta precisión para archivos de audio de larga duración, generando marcas de tiempo por palabra en milisegundos y separación de hablantes no supervisada (Hablante 1, Hablante 2, etc.).
• Tipo de Puerto de Entrada: mediaFile
• Tipo de Puerto de Salida: subtitleTrack (Pista de subtítulos temporizada)
• Motores Compatibles: Apple Speech en el dispositivo, Pasarela OneASR (Whisper / SenseVoice), OpenAI Whisper API.

6. realtimeTranslation — Interpretación Simultánea

• Función: Traduce segmentos ASR en tiempo real sobre la marcha, frase por frase, para subtítulos bilingües en reuniones en directo.
• Tipo de Puerto de Entrada: subtitleStream
• Tipo de Puerto de Salida: subtitleStream (Flujo bilingüe en vivo)
• Motores Compatibles: Traducción neuronal en el dispositivo de Apple (macOS 15), DeepSeek API, OpenAI.

---

Grupo 3: Poscálculo con IA, Síntesis y Entrega

7. subtitleRefinement — Formateo y Refinamiento de Subtítulos

• Función: Limpieza asistida por IA que elimina muletillas ("eh", "este"), corrige la puntuación y optimiza los saltos de línea (de 5 a 8 segundos por tarjeta de subtítulo) conservando las marcas de tiempo originales.
• Tipo de Puerto de Entrada: subtitleTrack
• Tipo de Puerto de Salida: subtitleTrack (Pista de subtítulos refinada)

8. fullTranslation — Traducción Completa de Documentos y Subtítulos

• Función: Traducción por lotes con reconocimiento del contexto que preserva los códigos de índice y marcas de tiempo exactos en más de 50 idiomas.
• Tipo de Puerto de Entrada: subtitleTrack
• Tipo de Puerto de Salida: subtitleTrack (Pista de subtítulos bilingüe)

9. contentCreation — Resumen y Derivación de Contenido

• Función: Extrae automáticamente resúmenes ejecutivos, actas de reuniones, puntos de acción o notas de episodios para redes sociales a partir de las transcripciones.
• Tipo de Puerto de Entrada: subtitleTrack o document
• Tipo de Puerto de Salida: document (Documento Markdown / TXT)

10. textToSpeech — Síntesis de Voz y Doblaje

• Función: Convierte líneas de subtítulos pulidas o traducidas en pistas de audio utilizando voces neuronales realistas (OpenAI TTS, Xiaomi MIMO TTS, OneTTS).
• Tipo de Puerto de Entrada: subtitleTrack
• Tipo de Puerto de Salida: mediaFile (Archivo de audio sintetizado)

11. exportArtifact — Entrega y Sincronización Multicloud

• Función: Exporta los recursos finalizados al almacenamiento local y activa la entrega automatizada a través de 6 canales en la nube:
  • Exportación local: .srt, .vtt, .json, .txt, .md, .mp3
  • Entrega cloud automatizada: Almacenamiento de objetos compatible con S3 (AWS S3, Cloudflare R2, MinIO, OSS), Unidades WebDAV (Nextcloud, Synology), Carpetas Locales / NAS, Bases de datos de Notion, Bóvedas de Obsidian y Webhooks HTTP personalizados.
• Tipo de Puerto de Entrada: subtitleTrack, document, mediaFile
• Tipo de Puerto de Salida: deliverable (Recibo de resumen de ejecución)