MaranataClub: pipeline de IA generativa fim a fim

Contexto

Conteúdo em áudio é fácil de publicar e difícil de estudar. Quarenta e dois episódios de discipulado cristão existiam; o que não existia era nada que transformasse ouvir em estudar.

Problema

Transformar áudio em experiência de aprendizado exige transcrição, material de estudo, avaliação e ilustração: quatro problemas generativos distintos, cada um deles um projeto inteiro se feito à mão em quarenta e dois episódios.

Abordagem

Construí um pipeline completo: Whisper para transcrição, GPT para material de estudo e quizzes, e DALL·E 3 e Leonardo AI para geração visual automatizada. Sobre ele fica o Modo Imersivo, que sincroniza transcrição e ilustrações geradas por IA com o áudio em tempo real. A plataforma roda em React 18, Firebase e Cloud Functions com arquitetura Feature-Sliced Design e testes end-to-end, e acrescenta autenticação sem senha por magic link, colaboração com permissões granulares e votação comunitária.

Decisões não-óbvias

• Gerar uma vez, na ingestão, e guardar os artefatos. Transcrição, quizzes e ilustrações são saídas determinísticas de um episódio, então regenerá-los por ouvinte pagaria o custo de modelo para sempre.
• Sincronizar as ilustrações com o áudio, e não com a página. Todo o valor do Modo Imersivo está no alinhamento; uma galeria ao lado de um player é outro produto, mais fraco.
• Sem senha, por magic link. O público não é técnico e o conteúdo não é sensível, então senha aqui é custo de suporte sem benefício compensatório.
• Feature-Sliced Design com testes end-to-end desde o início. Um pipeline generativo tem muitas partes móveis e a falha que importa é a de integração, não a de unidade.

Resultado

Um produto fullstack em que a IA generativa é a linha de produção, e não um recurso: 42 episódios com transcrição sincronizada, ilustrações de IA, material de estudo e quizzes, além de colaboração com permissões granulares e votação comunitária.