Tutti gli 11 Tipi di Fase del Workflow

Il motore di workflow di DuRT 3.0 presenta un'architettura di pipeline estensibile basata su grafi aciclici diretti (DAG) con 11 tipi di fase specializzati. Ciascuna fase rispetta un contratto sui tipi di dati rigoroso, consentendo di concatenare e diramare input, motori di riconoscimento, modelli linguistici, doppiaggio vocale e consegna multi-cloud in un'unica pipeline automatizzata.

┌─────────────────┐     ┌─────────────────┐     ┌─────────────────┐     ┌─────────────────┐
│ 1. Sorgente In  │ ──> │ 2. ASR & Stream │ ──> │ 3. Post-proc IA │ ──> │ 4. TTS & Export │
└─────────────────┘     └─────────────────┘     └─────────────────┘     └─────────────────┘

---

Gruppo 1: Fasi di Input (Sorgenti di Input)

1. monitorCapture — Acquisizione Audio di Sistema & Registrazione Schermo

• Ruolo: Cattura continuamente l'audio dal vivo da Safari, Zoom, YouTube o dal microfono tramite i framework macOS ScreenCaptureKit e CoreAudio.
• Tipo Porta di Output: audioStream (Flusso audio PCM)
• Opzioni Chiave: Audio interno di sistema vs Microfono; Cancellazione Acustica dell'Eco (AEC) hardware/DSP.

2. mediaInput — Inserimento File & URL Streaming

• Ruolo: Acquisisce file multimediali locali (.mp4, .mov, .mkv, .mp3, .m4a, .wav) o collegamenti web di streaming (YouTube, Bilibili, link diretti a flussi multimediali).
• Tipo Porta di Output: mediaFile (Entità file multimediale)
• Opzioni Chiave: Demuxing audio lato client e standardizzazione dei formati.

3. subtitleInput — Inserimento Sottotitoli & Testo Semplice

• Ruolo: Acquisisce file di sottotitoli preesistenti .srt o .vtt oppure fa riferimento a testi di attività precedenti, permettendo di eseguire l'IA a valle senza dover ripetere il riconoscimento vocale.
• Tipo Porta di Output: subtitleTrack (Traccia sottotitoli temporizzata)
• Opzioni Chiave: Rilevamento automatico della codifica del testo e spostamento temporale del timecode (offset).

---

Gruppo 2: Riconoscimento Vocale (ASR) & Traduzione Live

4. realtimeASR — Riconoscimento Vocale in Streaming

• Ruolo: Emette delta di sottotitoli in tempo reale e frasi completate con latenza sub-secondo per alimentare i sottotitoli fluttuanti.
• Tipo Porta di Input: audioStream
• Tipo Porta di Output: subtitleStream (Flusso sottotitoli live)
• Motori Supportati: Apple Speech on-device, Gateway WebSocket OneASR, OpenAI Realtime API.

5. mediaASR — Trascrizione File & Diarizzazione Parlanti

• Ruolo: Trascrizione offline ad altissima precisione per file audio lunghi, con generazione di timestamp al millisecondo per singola parola e diarizzazione dei parlanti non supervisionata (Parlante 1, Parlante 2, ecc.).
• Tipo Porta di Input: mediaFile
• Tipo Porta di Output: subtitleTrack (Traccia sottotitoli temporizzata)
• Motori Supportati: Apple Speech on-device, Gateway OneASR (Whisper / SenseVoice), OpenAI Whisper API.

6. realtimeTranslation — Interpretariato Simultaneo

• Ruolo: Traduce i segmenti ASR in streaming al volo, frase per frase, per sottotitoli bilingui durante riunioni dal vivo.
• Tipo Porta di Input: subtitleStream
• Tipo Porta di Output: subtitleStream (Flusso live bilingue)
• Motori: Traduzione neurale locale Apple (macOS 15), API DeepSeek, OpenAI.

---

Gruppo 3: Post-elaborazione IA, Sintesi & Consegna

7. subtitleRefinement — Formattazione & Rifinitura Sottotitoli

• Ruolo: Pulizia guidata da IA che elimina intercalari e parole riempitive ("ehm", "cioè"), corregge la punteggiatura e ottimizza le interruzioni di riga (5-8 secondi per scheda sottotitolo) preservando i timestamp originali.
• Tipo Porta di Input: subtitleTrack
• Tipo Porta di Output: subtitleTrack (Traccia sottotitoli rifinita)

8. fullTranslation — Traduzione Completa Documenti & Sottotitoli

• Ruolo: Traduzione batch consapevole del contesto che mantiene l'indice esatto dei sottotitoli e la sincronizzazione temporale in oltre 50 lingue.
• Tipo Porta di Input: subtitleTrack
• Tipo Porta di Output: subtitleTrack (Traccia sottotitoli bilingue)

9. contentCreation — Riepilogo & Derivazione Contenuti

• Ruolo: Estrae automaticamente sintesi esecutive, verbali di riunione, compiti da svolgere o note per i social media a partire dalle trascrizioni.
• Tipo Porta di Input: subtitleTrack oppure document
• Tipo Porta di Output: document (Documento Markdown / TXT)

10. textToSpeech — Sintesi Vocale & Doppiaggio

• Ruolo: Converte le righe di sottotitoli rifinite o tradotte in tracce audio usando voci neurali realistiche (OpenAI TTS, Xiaomi MIMO TTS, OneTTS).
• Tipo Porta di Input: subtitleTrack
• Tipo Porta di Output: mediaFile (File audio sintetizzato)

11. exportArtifact — Consegna & Sincronizzazione Multi-Cloud

• Ruolo: Esporta le risorse finalizzate nell'archiviazione locale e attiva la consegna automatizzata verso 6 canali cloud:
  • Esportazione locale: .srt, .vtt, .json, .txt, .md, .mp3
  • Consegna automatizzata su cloud: Object Storage compatibile con S3 (AWS S3, Cloudflare R2, MinIO, OSS), Unità WebDAV (Nextcloud, Synology), Cartelle Locali / NAS, Database Notion, Vault Obsidian e Webhook HTTP Personalizzati.
• Tipo Porta di Input: subtitleTrack, document, mediaFile
• Tipo Porta di Output: deliverable (Ricevuta di riepilogo esecuzione)