¿Te acordás de ALF?
Volvió en forma de Audio Live Feed (ALF), un transcriptor open source para la
NE<TAB>RDVIBEATHON
¿Cómo funciona ALF?
Una solución integral de subtitulado en tiempo real diseñada para conferencias multitudinarias, potenciada por la Live API de Gemini y Gemini Flash.
Ingesta Multi-Pista
El operador transmite audio desde el micrófono, consola o archivo. El navegador remuestrea a 16 kHz PCM16 mono y lo transmite por WebSocket autenticado con JWT al namespace /ingest.
Transcripción Streaming
Conexión bidireccional streaming con gemini-3.8-live vía el nuevo SDK @google/genai. Transcribe la voz con detección de silencios y resiliencia de sesión automática.
Traducción & Glosario
Un segmentador de oraciones envía cada bloque a gemini-3.5-flash-lite con un glosario técnico inyectado (Kubernetes, eBPF, Cloud) para traducción EN↔ES de alta fidelidad.
Distribución Dual
Socket.IO emite a salas stage:id:lang. La audiencia lee en su navegador sin login, mientras OBS/vMix toma el overlay transparente como Browser Source.
Showcase Interactivo para los Jueces
Explorá cada interfaz del sistema en funcionamiento real o abrí la demo en vivo.
Subtítulos instantáneos y fluidos en español para cualquier asistente con su teléfono o laptop. Sin registro ni instalaciones.
Criterios de Evaluación & Decisiones Técnicas
Proyecto desarrollado por Facundo Flores (Ingeniero en Sistemas — LinkedIn)
Gemini Live API
Google DeepMindUtiliza el modelo gemini-3.8-live mediante el nuevo SDK oficial @google/genai. Diseñado con reconexión de sesión automática (session resumption) para transmisiones que exceden el límite de conexión.
Latencia Honesta
~5 a 10s MedidoNo entregamos palabras sueltas sin sentido: Gemini Live devuelve tandas semánticas completas cuando se cierra una frase. Esto garantiza que la traducción conserve concordancia gramatical y sentido técnico.
Glosario Técnico
Cero AlucinacionesInyectamos en el system prompt listas de términos y tecnologías de la conferencia (ej. Kubernetes, CI/CD, eBPF, OpenClaw, Ollama) para que el modelo nunca castellanice términos que deben quedar en inglés técnico.
Escalabilidad Multi-Sala
StageManagerCada escenario cuenta con su propio pipeline independiente y aislado. Si una sala experimenta jitter o reconexión, las otras continúan operando con total estabilidad. Desplegable en Cloud Run con WebSockets.
OBS & vMix Broadcast
Ready para TV/StreamPáginas de overlay con fondo 100% transparente para incorporar a cualquier mixer de video como Browser Source. Auto-fadeout tras 5 segundos de silencio y sombra proyectada optimizada para legibilidad sobre video.
Accesibilidad Total
Cero BarrerasLa audiencia nunca se loguea. Puede acceder desde cualquier QR impreso en la sala o link del streaming, cambiar el idioma entre ES y EN con un toque, y ajustar el tamaño de fuente según su distancia a la pantalla.
El repositorio incluye archivos de audio reales de charlas de Nerdearla en la carpeta samples/ para evaluar transcripción en inglés y español.
Dan'l Lewin (EN)
samples/Kids can't wait!.mp3
Pablo Fredrikson (ES)
samples/Un mes con OpenClaw.mp3
Kubernetes TTS (EN)
samples/en-kubernetes-tts.wav
Postgres TTS (ES)
samples/es-postgres-tts.wav
Facundo Flores
Creador y desarrollador de ALF (Audio Live Feed) para la Vibeathon 2026 de Nerdearla. Ingeniero en Sistemas enfocado en arquitecturas distribuidas, IA generativa en tiempo real y aplicaciones de alto impacto.