Objetivo central del proyecto

El proyecto OZD busca construir el primer motor multimodal capaz de:

• Detectar momentos virales en video
• Analizar emoción real
• Interpretar jerga argentina
• Comprender narrativa
• Fusionar audio + texto + energía + cultura
• Seleccionar automáticamente los mejores momentos
• Generar compilados en alta calidad

Estado actual del proyecto

Versión funcional: V23.6.1

Incluye:

• Whisper / Transcripción
• RMS Energy Analyzer
• Keyword Engine (jerga argentina)
• Emotion Text Analyzer
• Segmentación inteligente
• Anti-solapado
• Cierre natural de frases
• JSON profesional
• Logs avanzados
• Modo API y Modo Simple
• Top10 Videos por visualización
• Makeup profesional de video

Roadmap oficial (V24 → V40)

• V24: Arquitectura Multimodal Blueprint (preparación para GCP)
• V25: Speech Emotion Engine
• V26: Vision Emotion Engine
• V27: Scene Detection Engine
• V28: Viral Narrative Engine
• V29: Viral Scoring 2.0
• V30: OZD Multimodal Engine™ completo (GPU/Cloud)
• V31–V40: Funcionalidades futuras avanzadas

Resumen Ejecutivo — Ecosistema OZD™

A continuación se presenta una lista de componentes del ecosistema OZD™,
con descripción corta y ejemplo concreto pensado para contextos de reunión
técnica, pitch o charlas con equipos de producto / IA.

1. WhisperX + Sync Transcription Engine

Transcribe el audio con altísima precisión, respetando silencios, pausas, ritmo y
emociones implícitas en la voz.

Ejemplo: En un stream de Coscu, detecta el segundo exacto donde pasa de tono neutro a exaltado al ver un clip, marcando ese instante como potencial viral.

2. Energy Analyzer (RMS + Pico dinámico)

Mide la energía real del audio y detecta momentos de explosión emocional: risas, gritos,
reacciones fuertes, gritos épicos, etc.

Ejemplo: En un video de un partido de fútbol, marca automáticamente el “GOOOOL” como pico emocional sin que haya que configurar nada manualmente.

3. Keyword Engine (especializado en jerga argentina)

Identifica palabras clave, insultos afectivos, ironías, reacciones típicas argentinas, modismos
y expresiones “con peso viral”.

Ejemplo: En un clip de Momo, detecta frases como “no, amigo, esto es un delirio mal” como alta carga emocional y potencial de clip.

4. Emotion Text Analyzer

Analiza lo que se dice, no solo el tono. Identifica si un fragmento es gracioso, épico, polémico,
triste o sorprendente según el texto.

Ejemplo: En un episodio de entrevistas, detecta cuando un invitado confiesa algo importante y lo marca como momento narrativo fuerte.

5. Segmentación Inteligente por Bloques

Corta el video en unidades narrativas naturales, evitando cortar frases a la mitad o dejar silencios
absurdos.

Ejemplo: En un video explicativo, evita cortar un clip en medio de “lo que pasa es que…” y espera a que cierre la idea antes de segmentar.

6. Fusión Multimodal (Audio + Texto + Energía)

Combina los tres motores simultáneamente para elegir solo los momentos que tienen mayor valor viral real.

Ejemplo: Un grito de sorpresa + palabra clave + risa → clip automáticamente seleccionado.

7. Generación Automática del Top 10

Selecciona los 10 puntos más virales del video o playlist, listos para edición.

Ejemplo: En una playlist de reacciones musicales, arma un Top 10 de momentos donde la mezcla emoción + texto + energía es más fuerte.

8. Anti-Solapado 2.0

Garantiza que los clips no se monten uno encima del otro y que no se repita contenido.

Ejemplo: Si un grito fuerte dura 3 segundos, respeta los 3 completos sin “pisar” ese momento en el clip siguiente.

9. Cierre Natural de Frases

Extiende automáticamente unos segundos para evitar cortes bruscos.

Ejemplo: Si un streamer dice “no boludo, mirá esto…”, el sistema espera unos segundos para capturar la reacción completa.

10. JSON Profesional (para API/Cloud)

Todo se exporta con estructura clara, timestamps exactos y metadata para poder integrarse con SaaS
o con Google Cloud.

Ejemplo: El JSON describe el clip, el tipo de emoción, la energía, la palabra clave y la ubicación exacta.

11. Makeup Profesional del Video

Crea un video final más prolijo:

• Sincroniza clips
• Corrige audio
• Empalma transiciones
• Respeta la resolución original

Ejemplo: Arma un compilado de highlights en HD sin necesidad de abrir un editor de video como Premiere.

12. Playlist Processor (modo masivo)

Procesa una playlist de múltiples videos como si fuera uno solo.

Ejemplo: En un canal de reacciones, genera un video resumen con los mejores momentos de toda la semana.

13. IEMC™ (Inteligencia Emocional Multimodal Cultural)

Capa conceptual que entiende tono, emoción, texto, jerga argentina, ironía, sarcasmo y contexto cultural.

Ejemplo: Detecta que “sos un hijo de puta” puede ser insulto o cariño según el tono, y clasifica correctamente para el clip.

14. Arquitectura Escalable a GPU/Cloud

Diseñado desde cero para funcionar en Google Cloud, GPUs escalables y API pública.

Ejemplo: Un usuario carga una playlist → el motor procesa todo en la nube → recibe clips finales listos para TikTok.

15. Roadmap a V40 (Expansión Multimodal Completa)

Incluye visión, detección de escenas, emoción visual, narrativa viral y scoring total del video.

Ejemplo: Detectar automáticamente cuando alguien se sorprende por el gesto facial, no solo por el audio.

Núcleo Conceptual del Ecosistema OZD™

1. El Cálculo de los 3 Factores™ (OZD 3-Factor Viral Scoring™)

Algoritmo viral original usado para elegir automáticamente qué momentos tienen mayor potencial
viral.

Factor 1: Energía emocional (audio)

• Picos de intensidad
• Risas, gritos, explosiones de reacción
• Cambios de tono
• Momentos de euforia / sorpresa

Ejemplo: El “GOOOL”, un susto, una risa fuerte.

Factor 2: Fuerza textual (contenido de lo que se dice)

• Palabras clave
• Frases memorables
• Opiniones fuertes
• Confesiones
• Momentos tensos o virales por el texto

Ejemplo: “noooo amigo lo que acabo de ver”, “esto es un quilombo hermoso”.

Factor 3: Valor cultural (entorno argentino)

• Jerga argentina
• Ironías
• Insultos afectivos
• Expresiones típicas
• Códigos culturales

Ejemplo: “sos un hijo de puta” como chiste cariñoso y no como insulto real.

Resultado: El sistema detecta segmentos donde audio + texto + cultura explotan juntos y los marca como highlights.

2. El Cálculo de los 5 Factores™ (Extensión avanzada)

Versión ampliada que se utilizará en versiones futuras (V28+). Suma dos dimensiones nuevas para lograr
comprensión multimodal completa.

Factor 1: Energía (Audio)

Como en los 3 factores.

Factor 2: Contenido textual

Como en los 3 factores.

Factor 3: Cultura / Jerga (Argentina)

Como en los 3 factores.

Factor 4: Emoción visual (rostros / gestos / lenguaje corporal)

• Sorpresa en la cara
• Sonrisas
• Gestos exagerados
• Miradas intensas

Ejemplo: Ibai abriendo los ojos enorme al reaccionar.

Factor 5: Narrativa del momento (contexto)

• Si el clip cierra una idea
• Si abre tensión
• Si resuelve algo
• Si contiene un giro inesperado
• Si explica algo muy esperado

Ejemplo: “bueno, ahora te voy a contar LA VERDAD de este tema…”.

Con los 5 factores, el motor se vuelve multimodal completo, incorporando gesto visual
y estructura narrativa al cálculo de viralidad.

3. IEMC™ — Inteligencia Emocional Multimodal Cultural

Marco teórico original. Es la capa que une todo: cómo se siente, qué se dice, cómo se dice,
qué significa culturalmente y cuál es la intención real.

Componentes del IEMC™

• Emoción cruda (audio): lo que se siente realmente en la voz.
• Emoción textual (lo que se dice): si el contenido es gracioso, triste, épico, agresivo, irónico, afectivo, violento o neutral.
• Emoción visual (rostro + cuerpo): en versiones futuras del motor.
• Cultura local (Argentina): jerga, códigos, ironías y modos de hablar propios.
• Intención narrativa: si la persona busca confesar, explicar, exagerar, generar tensión, etc.

Por qué todo el OZD depende del IEMC™

Sin IEMC™:

• La IA interpreta literal
• Confunde ironías
• No entiende sarcasmo
• No entiende insultos afectivos
• No lee la intención real del hablante
• No entiende qué es un “momento viral humano”
• Comete errores como no cumplir instrucciones literales (“solo agregá el abstract”)

IEMC™ evita esos fallos y marca la diferencia entre detectar sonidos
y entender emociones humanas reales en un contexto cultural específico.