• Definición formal de la arquitectura modular del engine (audio, texto, visión, emoción, scoring, clips).
• Separación en módulos independientes: ingest, transcript, emotion, scoring, clips, export.
• Diseño de estructura de proyectos numerados y almacenamiento ordenado por run (project_00001, etc.).
• Documentación base para escalabilidad futura (monolito local → microservicios / cloud).

Base técnica sólida

• Transcripción automática de audio a texto con Whisper (segmentos con timestamps).
• Análisis emocional inicial sobre texto: keywords, intensidad, tags básicos.
• Primer motor de Viral Scoring 1.0 basado en emoción + longitud + impacto textual.
• Generación de clips automáticos usando FFmpeg a partir de segmentos y scores.

Primer engine “piensa y corta”

• Integrar análisis de lenguaje natural en español (segmentación en oraciones e ideas completas).
• Corrección ligera de transcripciones: puntuación, frases enteras, mejor legibilidad.
• Transformar segmentos crudos de audio en “bloques semánticos” (unidad de idea, no solo segundos).
• Preparar estos bloques como insumo directo para emoción, narrativa y cortes más humanos.
• Panel de revisión humana (local-first): interfaz previa a exportación con reproductor y previsualización de clips.
• Línea de tiempo por video: una pista por cada video de la playlist, con marcadores de clips seleccionados.
• Clips clickeables: selección directa desde la timeline para ver/escuchar cada clip.
• Ajuste fino por usuario: modificar inicio/fin (± segundos), reordenar o eliminar clips antes del render.
• Clip List estructurada: IDs + video origen + timecodes; reexportar solo clips modificados.
• Aprobación explícita: generar el resumen.mp4 final solo tras validación del usuario.

De segundos → a ideas
UX Review Layer

• Analizar tono, ritmo, pausas y energía de la voz (prosodia emocional).
• Mejorar el scoring emocional combinando texto + prosodia (risa, enojo, quiebre de voz, énfasis).
• Crear un modelo de “curva emocional” a lo largo del tiempo de cada video.
• Usar esta curva para mejorar la detección de picos de interés y momentos clave.
• Visual Emotion Timeline: clips marcados por color según tipo/emoción (gracioso, intenso, debate, enojo, pelea, etc.).
• Agrupadores por tono: marcadores con contador (ej. 🟧 4 clips graciosos) para selección en lote.
• Previsualización por grupo: ver y ajustar todos los clips de un mismo tono emocional.
• Timeline del compilado final: pista superior que muestra solo los clips aprobados por el usuario.
• Control de exportación: elegir entre clip individual o compilado final.
• Formatos de salida: Widescreen (horizontal) o Short/Reel con presets automáticos de resolución y ratio.
• Incorporar Early IEMC Layer: diccionario cultural–emocional editable (Excel/Sheets) con palabras y frases (ej. argentino/latam) mapeadas a múltiples significados emocionales según contexto, tono e intensidad.
• Agregar columna de probabilidad como peso cultural orientativo para ajustar el scoring emocional sin imponer decisiones.

Emoción hablada real
Early IEMC Layer
Visual Emotion Timeline

• Detectar gestos, reacciones y cambios de expresión facial básicos.
• Reconocer momentos de risa, sorpresa, impacto o tensión visual.
• Combinar estas señales visuales con audio y texto para refinar el score global.
• Empezar a entender cómo se ve un momento viral, no solo cómo suena o se lee.
• Generar señales visuales que alimenten la detección de picos y la curva emocional.

Emoción multimodal

• Modo Capturar Clips en Vivo: detectar picos emocionales durante el stream y crear markers sugeridos en tiempo real.
• Timeline en vivo con clips propuestos (OZD propone, el humano valida).
• Botón manual de Marca (streamer o moderador / Stream Deck) como señal editorial adicional.
• Post-VOD: usar los markers para generar clips precisos y listos para revisión/aprobación.
• Soporte inicial: YouTube Live (primera plataforma).

Copiloto editorial en vivo

• Exportación en vivo de clips (Short/Reel o Widescreen) con presets automáticos.
• Workflow rápido: detectar → proponer → aprobar → exportar (sin fricción).
• Soporte multiplataforma planificado: Twitch, Kick y otras.
• Infra/latencia: preparar el sistema para captura y procesamiento en tiempo real a escala (nivel premium).

PLUS / PREMIUM / PLATINUM

• Nuevo módulo clave: Estimulación Viral Temprana con Clips de Referencia.
• Crear compilados de ~30 minutos mezclando:
  • Top 10 clips ultra virales mundialmente reconocidos.
  • 10–20 clips normales / neutros sin nada especial.
• Obligar a la IA a:
  • Encontrar los virales “escondidos” sin ayuda.
  • Repetir el logro aunque cambiemos el orden del compilado.
  • Aprender a descartar sistemáticamente momentos comunes.
• Usar este proceso como etapa previa antes de entrenar con miles de videos virales completos.

“Jardín de infancia” viral

• Adaptar el scoring viral a cultura, país, idioma y jerga (ej: castellano argentino).
• Incorporar modismos, humor, referencias culturales locales.
• Empezar a diferenciar qué es viral en una región pero no en otra.
• Crear perfiles de sensibilidad cultural para distintos mercados.

Contexto cultural

• Definir perfiles de audiencia: gaming, negocios, educación, entretenimiento, política, etc.
• Ajustar el tipo de highlight según la audiencia: humor, polémica, inspiración, aprendizaje.
• Permitir elegir “estilos” de selección de clips (agresivo, conservador, experimental).
• Conectar la IA con objetivos concretos de creador/marca.

Estilo por audiencia

• Construir un dataset masivo de videos virales, highlights etiquetados y metadatos de performance.
• Etiquetar manual y semiautomáticamente momentos clave: hook, remate, giro, reacción.
• Usar este dataset para refinar y reentrenar los modelos centrales del engine.
• Sentar la base para futuras versiones enterprise y modelos propietarios.

Datos a escala

• Lanzar una primera versión SaaS para creadores individuales (YouTube, Twitch, podcasters, etc.).
• Subida de videos o conexión con plataformas para generar highlights automáticos.
• Panel simple para revisar, aprobar o descartar clips sugeridos.
• Recolección de feedback real de usuarios para mejorar el engine.

Primer SaaS real

• Desplegar el engine como servicio en la nube con auto-escalado.
• Exponer una API REST para integraciones con otros sistemas y plataformas.
• Optimizar costos de cómputo (GPU/CPU) según carga y tipo de análisis.
• Preparar planes de uso para desarrolladores, agencias y partners.

Motor en la nube

• Adaptar el engine para grandes medios, canales de TV, radios y plataformas de streaming.
• Integración con workflows editoriales internos y sistemas de archivo.
• Soporte para volúmenes altos de contenido diario (noticias, programas, coberturas en vivo).
• Features de seguridad, permisos y multi-equipo.

Nivel medios grandes

• Escalar el SaaS a múltiples regiones (infraestructura global y latencias bajas).
• Internacionalización completa de la plataforma (idioma, monedas, soporte regional).
• Optimizar el engine para distintos tipos de conexión y hardware de usuario.
• Establecer partnerships con grandes plataformas y agencias globales.

Juego mundial

• Extender de castellano a múltiples idiomas (inglés, portugués, etc.).
• Adaptar la comprensión emocional y narrativa a cada idioma/cultura.
• Permitir analizar contenido viral multi-idioma en un mismo proyecto.
• Crear modelos específicos por región/idioma para mayor precisión.

Multi-idioma profundo

• Consolidación de todas las capas: audio, texto, visión, emoción, narrativa, cultura y audiencia.
• Motor capaz de emular el criterio de un editor humano profesional especializado en viralidad.
• Integración total con SaaS, API, enterprise y ecosistema de creadores.
• Base para futuras líneas de producto (analítica avanzada, generación guiada de contenido, etc.).

Visión OZD cumplida