01 / La superficie de ediciónProyecto de dogfooding de Cutline · captura del producto
El editor de Cutline reúne el guion, la vista previa y la línea de tiempo en un solo espacio de producción. Capturado durante el proyecto local del video promocional.
02 / Del tema al brief de producciónProyecto de dogfooding de Cutline · captura del producto
El diálogo de creación expone las entradas que dan forma al guion asistido por IA y a la generación del video.
DOSIER DE INGENIERÍA / CUTLINE
Las decisiones detrás del sistema.
Un producto de video cruza varios límites de cómputo: edición interactiva, generación de lenguaje, voz en GPU y exportación determinista de medios.
RESPONSABILIDAD
Ingeniería de producto y de sistemas de punta a punta, desde el estudio en React y la API en Node hasta los servicios nativos de voz, el encolado y el render final.
HITO DE PRODUCTO VERIFICADOLa aplicación produjo un video promocional de 114,9 segundos en formato horizontal y vertical a través de su propia API y exportador.
Es un resultado local de dogfooding. La confiabilidad de la exportación en producción seguía bajo investigación en las notas de prueba de octubre de 2026.
ARQUITECTURA / REGISTRO DE DECISIONES01
Mantener la inferencia de GPU en el host
CONTEXTO
Docker Desktop en macOS ejecuta una VM Linux sin acceso directo a la aceleración Metal de Apple.
ELECCIÓN
Ejecutar la aplicación web y los servicios de exportación en contenedores; servir Whisper, Qwen3-TTS y el trabajo de avatar desde un proceso nativo con GPU.
CONSECUENCIA
La interfaz sigue siendo desplegable mientras el trabajo de voz usa el hardware disponible. El límite entre procesos necesita autenticación y manejo de fallos explícitos.
02
Tratar el render como un trabajo con recursos gestionados
CONTEXTO
La voz, la generación de presentaciones y la exportación con FFmpeg tienen costos distintos y no pueden competir con seguridad dentro de un mismo ciclo de solicitud.
ELECCIÓN
Una cola sobre SQLite separa el trabajo y limita la concurrencia de GPU y CPU; PostgreSQL guarda los usuarios y los datos de los proyectos.
CONSECUENCIA
El editor sigue respondiendo mientras avanzan las exportaciones, y la presión sobre los recursos se vuelve un asunto operativo que se puede medir.
03
Probar el producto con su propio resultado
CONTEXTO
Un diagrama de arquitectura no puede revelar fallos de tipografía, voz, transiciones o formato vertical en un video renderizado.
ELECCIÓN
Crear el video promocional de Cutline a través de la API del producto y documentar la fricción de exportación junto al resultado exitoso.
CONSECUENCIA
El resultado demuestra una ruta de punta a punta y deja defectos concretos por corregir, como la composición de medios y la confiabilidad de la exportación.
EVIDENCIA Y LÍMITES
El fragmento no tiene sonido. El video promocional local completo y los registros operativos internos no se distribuyen aquí.
SistemaDocumento de arquitectura de Cutline, con los límites entre procesos, el renderizado con open-slide y las rutas de exportación probadas.
ProductoEl fragmento de 32 segundos muestra el editor real y el flujo del producto.
DogfoodingEl README del video promocional registra los pasos de la API y las salidas 16:9 y 9:16 completadas; el registro de fricciones documenta los problemas pendientes.
MODELO DEL SISTEMAELIGE UN COMPONENTE PARA EXPLORAR →
COMPONENTE SELECCIONADOEstudio en React
Guion, línea de tiempo, edición de medios y controles de exportación.
01 / EL PROBLEMA
Un video, cuatro tipos de cómputo.
Convertir un guion o una grabación en un video editado y narrado mezcla trabajos muy distintos: edición interactiva, generación de lenguaje, voz con GPU y renderizado determinista. Cada uno necesita el lugar adecuado para ejecutarse.
02 / EL ENFOQUE
Un estudio en el navegador, el trabajo de GPU en el host.
Un estudio en React habla con una API en Node/Express que tiene una cola de trabajos sobre SQLite. Un servicio nativo de GPU se encarga de la transcripción y la voz, un modelo en la nube ayuda con el guion, open-slide renderiza diapositivas escritas en el navegador y FFmpeg ensambla la exportación final.
03 / LA DECISIÓN
Poner la inferencia donde de verdad está la GPU.
En macOS, Docker no puede acceder a la GPU de Apple. Por eso la inferencia de GPU corre de forma nativa en el host, mientras la aplicación web y los servicios de exportación siguen en contenedores. El precio es un límite entre procesos que necesita su propia autenticación y su propio manejo de fallos.
04 / EL RESULTADO
Hizo su propio video promocional y registró lo que falló.
Usé Cutline para hacer su propio video promocional de 114,9 segundos, exportado en formato horizontal y vertical. El mismo ejercicio produjo un registro de fricciones, incluidos problemas de confiabilidad de la exportación en producción que seguían abiertos.
FUENTES
El documento de arquitectura de Cutline y los registros de su video promocional. El código y los enlaces internos son privados. Esta página resume lo que muestran esos documentos.