Un desarrollador crea en 30 minutos un transcriptor de vídeo con vibe coding en Codex

El autor de un post en Habr contó cómo, con vibe coding en Codex, creó una herramienta funcional para transcribir grabaciones de reuniones. Logró escribir la primera versión en unos 30 minutos.

Por qué hacía falta la herramienta

Tras las reuniones de trabajo, al autor le quedan grabaciones de vídeo. En su caso son grabaciones del servicio Yandex Telemost, y revisarlas sin más resulta incómodo. Si necesita recordar algo, tiene que abrir el vídeo, avanzar y retroceder para encontrar el fragmento adecuado y luego volver a escucharlo.

Otro escenario frecuente con el que se encuentra: pasar a un programador el contexto de una tarea. Se puede enviar la grabación de la reunión y escribir «échale un vistazo, por favor», pero entonces la persona tendrá que ver todo el vídeo y averiguar por sí misma dónde hay una discusión, dónde una decisión tomada y dónde una tarea formulada. El autor quería una opción más cómoda: reenviar no solo la grabación, sino también un resumen en texto de la reunión.

• Origen de las grabaciones: el servicio Yandex Telemost
• Problema: encontrar el momento buscado exige avanzar y retroceder y volver a escuchar todo el vídeo
• Caso de uso: pasar a un programador el contexto de la reunión sobre una tarea
• La primera versión funcional de la herramienta se montó en unos 30 minutos
• La herramienta se creó en Codex con vibe coding

Qué hace la herramienta

La idea, según el autor, era sencilla: subir el vídeo de la reunión y obtener una transcripción, un acta y un archivo DOCX que se pueda enviar en lugar de la grabación. Tres artefactos de texto (la transcripción de la conversación, un acta breve de la reunión y un documento DOCX listo) eliminan la necesidad de volver a ver el vídeo original completo. Al destinatario le basta con leer el texto para entender qué se habló y qué hay que hacer, sin abrir el archivo de vídeo.

«Conseguí montar la primera versión funcional en

Codex en unos 30 minutos» — del post del autor en Habr.

«La idea era sencilla: subir el vídeo de la reunión y obtener una transcripción, un acta y un DOCX que se pueda enviar» — el autor del texto,

Habr.

Con qué rapidez se montó el prototipo

Montar la primera versión funcional llevó unos 30 minutos. Es lo que, según el autor, hizo falta para tener una herramienta operativa con Codex en lugar de escribir el código desde cero a mano. Aquí, vibe coding significa que el autor formulaba la tarea y las correcciones en un diálogo con la herramienta de IA en vez de escribir cada línea de código él mismo, lo que le permitió cumplir el plazo de media hora desde la idea hasta un prototipo funcional.

Según la descripción del autor, el camino desde el planteamiento de la tarea («subir el vídeo y obtener transcripción, acta y DOCX») hasta la primera versión funcional ocupó justo esa media hora, sin preparar antes la infraestructura ni una fase de diseño aparte.

A quién le sirve una herramienta así

El autor describe su uso sobre todo para pasar a un programador el contexto de una tarea concreta. Es el caso en el que enviar el vídeo no basta, porque el destinatario igualmente tendrá que dedicar tiempo a verlo. Con la transcripción, el acta y el archivo DOCX listos, la herramienta hace ese trabajo por el destinatario: la otra persona lee el resultado de la reunión en lugar de ver toda la grabación, y el vídeo original de Yandex Telemost sigue disponible como fuente por si hacen falta detalles.

Qué significa

El ejemplo muestra cómo el vibe coding acorta el camino entre un problema laboral cotidiano y una herramienta personal terminada. En lugar de buscar un servicio de transcripción de terceros ya hecho, el autor montó en unos 30 minutos una solución muy específica para su propio proceso: entra una grabación de Yandex Telemost y salen una transcripción, un acta y un DOCX.