© Copyright 2025. Powered by OZD.

Version

© Copyright 2026

Local Time

Lets create smth new together
Lets create smth new together
Lets create smth new together
Lets create smth new together
Lets create smth new together
Lets create smth new together
Lets create smth new together
Lets create smth new together
Visual Portfolio, Posts & Image Gallery para WordPress

OZD Viral Engine – Documento Técnico & Pitch





OZD Viral Engine – Documento Técnico & Pitch



OZD Viral Engine • MVP técnico funcional

OZD Viral Engine
La IA que detecta tus mejores momentos antes que vos.

Potenciado por el algoritmo propietario
OZD 3-Factor Viral Scoring, que combina audio,
jerga y emoción para encontrar automáticamente los clips con mayor
potencial de viralidad en videos largos.

  • Detecta picos de emoción en horas de video en minutos.
  • Elige automáticamente los mejores momentos para
    Shorts, Reels y TikTok.
  • 🎙
    Optimizado para creadores en español y contenido con energía
    real: risas, gritos, puteadas, sorpresa.

OZD Viral Engine powered by OZD 3-Factor Viral Scoring™

IA aplicada a video largo
Optimizado para español / LATAM
MVP de producción real



¿Qué hace diferente al OZD Viral Engine?

OZD Viral Engine no es un simple recortador de video.
Es un motor de IA diseñado para detectar el momento exacto en el que
tu contenido se vuelve interesante para la audiencia.

En lugar de basarse solo en el volumen o solo en el sentimiento,
utiliza un algoritmo propietario de tres factores:

  • Factor 1 – Intensidad de Audio (Volumen):
    analiza la energía del sonido (gritos, risas, reacciones fuertes)
    para detectar picos de atención.
  • Factor 2 – Jerga Emocional (Text Excitement):
    a partir de la transcripción del audio (Whisper), busca expresiones
    típicas del habla real: “nooo boludo”, “no me la contés”, “naaa”,
    “wtf”, etc. Esto permite capturar los momentos donde el creador
    realmente explota verbalmente.
  • Factor 3 – IA de Sentimiento (NLP Sentiment):
    un modelo de lenguaje multilingüe analiza el texto de cada bloque y
    mide la intensidad emocional (alegría, sorpresa, enojo, tristeza,
    tensión). La rabia, el hype y la euforia se vuelven señales igual
    de válidas que la alegría: no se penalizan los extremos.

Estos tres factores se normalizan y se combinan en una única
puntuación:
OZD 3-Factor Viral Scoring, que ordena todos los
bloques del video según su potencial de impacto.


De horas de grabación a un highlight épico automatizado

El motor analiza automáticamente una playlist de YouTube o un video
largo, lo corta en bloques de aproximadamente 20 segundos y aplica el
OZD 3-Factor Viral Scoring a cada uno.

Al final, OZD Viral Engine entrega:

  • Un video compilado de mejores momentos (MP4 en
    calidad uniforme 720p/30fps, códecs estandarizados, listo para
    plataformas de video corto).
  • Un archivo JSON de “mapa emocional”, con el detalle
    de cada bloque:

    • puntajes del algoritmo de 3 factores,
    • texto del momento (block_text),
    • intensidad de audio,
    • análisis de sentimiento,
    • y metadatos adicionales (video origen, timestamps, etc.).

Esto convierte el contenido en datos: permite entender qué partes
emocionan más a la audiencia y reutilizarlas en múltiples formatos,
campañas y plataformas.


Descripción técnica para cofounder / inversor

Versión resumida, modo serio

OZD Viral Engine – IA para “Mejores Momentos” en video
largo

OZD Viral Engine es un motor de inteligencia artificial que detecta
automáticamente los mejores momentos de un video largo y genera un
compilado listo para Shorts, Reels y TikTok.

A diferencia de las soluciones que solo analizan el volumen o solo el
sentimiento, OZD usa un algoritmo propietario llamado
OZD 3-Factor Viral Scoring, que combina:

  • Intensidad de audio (RMS): mide la energía física
    del momento (gritos, risas, reacciones fuertes).
  • Jerga emocional (text_excitement):
    analiza la transcripción y detecta expresiones coloquiales en
    español que suelen marcar momentos virales (“nooo boludo”, “no me la
    contés”, “naaa”, entre otras).
  • Sentimiento por IA (text_sentiment):
    utiliza un modelo de lenguaje multilingüe para medir la intensidad
    emocional del texto (alegría, sorpresa, enojo, tristeza, etc.), sin
    penalizar los extremos.

Cada bloque de audio-video (~20s) se puntúa según estos tres factores,
se normaliza y se ordena. El sistema elige automáticamente los
segmentos con mejor score, respeta una distancia mínima entre momentos
del mismo video (MIN_GAP_SAME_VIDEO) para evitar
repetición y finalmente genera un compilado en MP4 con códecs y
resolución unificada para publicación inmediata.

El resultado es un pipeline de producción real: desde una playlist de
YouTube hasta un video highlight completamente automatizado, más un
JSON de “mapa emocional” que expone los datos internos del motor.

Hoy el proyecto está en estado
MVP técnico funcional: corre en una sola GPU, usa
herramientas open source (Whisper, Transformers, ffmpeg, yt-dlp) y
tiene un algoritmo de scoring propio que ya fue validado por modelos
de IA externos como original y superior a enfoques basados en un solo
factor.


Patente y propiedad intelectual (visión inicial)

Lo valioso desde el punto de vista de propiedad intelectual no es
simplemente usar Whisper o Transformers (que son open source), sino
la combinación específica y original de señales y decisiones:

  • La forma en que se combinan
    audio_rms,
    text_excitement basado en jerga local y
    text_sentiment intensificado para extremos.
  • La lógica de normalización, ponderación de factores y selección
    de bloques (incluyendo reglas como
    MIN_GAP_SAME_VIDEO).
  • El concepto de “mapa emocional” del video largo
    basado en estos 3 factores y su uso directo para generar
    compilados automáticos listos para publicación.

Todo esto puede presentarse como un método técnico, por ejemplo:

“Método y sistema computarizado para detección automática de
segmentos de alto impacto emocional en contenido audiovisual
mediante combinación ponderada de características de audio, texto
y análisis de sentimiento”.

Pasos recomendados antes de consultar a un abogado:

  • Guardar evidencia de autoría:

    • Código fuente de la versión V18/V19 con fechas (idealmente en Git).
    • Capturas del JSON de salida con ejemplos reales.
    • Registros de conversaciones y análisis que describen el
      algoritmo (incluyendo validaciones externas de IA).
  • No publicar todo el detalle técnico exacto de la fórmula en
    canales 100% públicos: la web puede explicar la idea general sin
    exponer pesos, lógica interna completa ni código.
  • Contactar a un abogado especializado en propiedad intelectual /
    patentes de software para evaluar:

    • Patente de software (si aplica en la jurisdicción).
    • Modelo de utilidad o figura similar.
    • Estrategia de secreto industrial + registro de marca para
      OZD Viral Engine y
      OZD 3-Factor Viral Scoring.

*Este documento no es asesoría legal. El objetivo es preparar y
ordenar la información para que un profesional en propiedad
intelectual pueda evaluar la mejor vía de protección.*


Roadmap técnico: de V18 a V19

El motor en V18 ya se considera un
MVP técnico de producción. La versión V19 apunta a
pulir el comportamiento del scoring y preparar el sistema para pruebas
con usuarios reales y escalado en la nube.

Tarea
Prioridad
Descripción

Penalización de clips neutros
Alta
Ajustar la función
sentiment_for_text para que resultados claramente
NEUTRAL (o “3 stars”) generen una intensidad casi cero,
evitando que bloques sin emoción entren al TOP de momentos
seleccionados.

Calibración de pesos
Media
Definir un dataset de prueba (por ejemplo, una playlist marcada a
mano) y ajustar los pesos
w1, w2, w3 según el comportamiento deseado. Por
ejemplo, probar variaciones como 0.35 / 0.35 / 0.30 si el texto
merece más peso.

Etiquetas de razón (reason_tags)
Media
Agregar a cada bloque etiquetas que expliquen por qué se seleccionó:
por ejemplo,
["high_audio"],
["jerga"],
["sentimiento_fuerte"] o combinaciones. Esto ayuda
tanto en UX como en material para pitch e interpretabilidad.

Preparación para SaaS
Media
Diseñar el flujo básico para llevar el pipeline a la nube
(Google Cloud, contenedores, procesamiento batch, cola de jobs,
etc.), usando el código actual como núcleo del motor.

Con estos ajustes, V19 se posiciona como la versión ideal para
mostrar a cofounders potenciales, aplicar a programas de Google Cloud
y comenzar pruebas con creadores reales.

OZD Viral Engine • OZD 3-Factor Viral Scoring™ — Documento técnico &
pitch fundador.