Desco Languages.

Ouvir uma faixa de áudio do começo ao fim ensina pouco. O aluno precisa ver o texto, repetir um trecho, ouvir mais devagar e revisar o vocabulário na hora certa. E o material só pode chegar a quem foi convidado.

Construí a plataforma e o pipeline de conteúdo. São 249 faixas transcritas com Whisper rodando local, com o tempo de cada palavra. No áudio, o aluno tem transcrição clicável, ditado, loop A-B e velocidade de 0,75×. Os 1.049 flashcards usam SM-2 e tocam a palavra recortada do áudio original. Há 7 tipos de exercício com correção tolerante, XP, níveis, sequência, 12 conquistas e heatmap de atividade. O feedback de escrita com Claude é opcional. Tudo roda em Docker com Caddy e backup diário.

1. 01Transcrição local, palavra por palavra

   As 249 faixas passaram por Whisper rodando local com MLX, que devolve o tempo de cada palavra. Não há custo por minuto de áudio e o material não sai da máquina. É o tempo por palavra que deixa a transcrição clicável e permite que o flashcard toque só aquela palavra.

2. 02Conteúdo fica no servidor

   O conteúdo ia dentro do JavaScript da página. Passei tudo para o servidor, e o JS caiu de 1,86 MB para 283 KB. A página carrega mais rápido, e quem abre o código dela não leva o material junto.

3. 03Áudio só com sessão, e com Range

   Os arquivos de áudio passam pelo servidor, que confere a sessão antes de entregar e responde a requisições Range. Sem Range, o player não consegue pular para o meio da faixa nem repetir um trecho. Sem sessão, um link vazado tocaria para qualquer um. O id do usuário também vem só da sessão, nunca do que o navegador manda.

• TanStack Start
• React 19
• Vite 8
• Nitro
• Tailwind 4
• shadcn/ui
• Better Auth
• node:sqlite
• Whisper
• Docker
• Caddy