Intensivo Grátis 21–22/11Intensivo gratuito de 2 dias em Vibecoding (21–22/11 às 16:00 MSK) · Turma 3 começa 23/11Inscrever-se grátis →Turma 3 (23/11)
LançamentoAnálise · No radarHabr AI→ original

Desenvolvedor usa IA para criar alternativa ao Discord e reduz vazamento de memória de 305,8 para 30,3 MB

Um desenvolvedor delegou quase todo o trabalho à IA para criar o Nimbo, uma alternativa gratuita ao Discord para jogar com amigos, mas a IA não percebeu o vazamento de memória. Depois de cinco ativações e desativações da câmera com compartilhamento de tela, o cliente para Windows mantinha 305,8 MB de RAM ocupados, embora o vídeo já estivesse desligado. Após a correção, o uso caiu para 30,3 MB. O supressor de ruído GTCRN abafou o barulho de uma mordida na maçã em 21,29 dB, enquanto o antigo RNNoise atenuou apenas 0,35 dB. A conclusão: a IA monta rapidamente a estrutura do projeto, mas vazamentos e qualidade de áudio precisam ser verificados manualmente.

Processado por IA de Habr AI; editado por Hamidun News
Desenvolvedor usa IA para criar alternativa ao Discord e reduz vazamento de memória de 305,8 para 30,3 MB
Fonte: Habr AI. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalHabr AI ↗
Editor-chefe
Dado-chave #1O GTCRN adiciona 32 ms de latência; o RNNoise, 21 ms
StackVue e TypeScript, servidor em Go, voz e vídeo via LiveKit
Dado-chave #3Código sob licença MIT; o perfil .nimbo fica salvo em um arquivo protegido por senha

Imagine ligar e desligar a câmera ou o compartilhamento de tela cinco vezes durante uma chamada. O vídeo já parou há tempo, mas o programa continua ocupando 305,8 MB de RAM. Foi exatamente isso que o cliente para Windows do Nimbo fez.

O Nimbo é um chat de voz gratuito para jogar com amigos, escrito quase inteiramente com ajuda de IA pelo próprio autor. A causa era banal: o codificador que comprime o vídeo antes do envio não era liberado depois que a câmera era desligada. Com a correção, o mesmo cenário passou a usar 30,3 MB.

A história serve para qualquer pessoa que pretenda programar em parceria com uma rede neural: a IA entrega rapidamente a estrutura do projeto e a interface, mas vazamentos de memória, qualidade de áudio e brechas de segurança ainda precisam ser caçados por você.

Por que criar mais um chat

O autor queria apenas jogar com os amigos. Para isso, precisava de salas de voz, chat de texto, compartilhamento de tela, um bom supressor de ruído e um cliente que não roubasse recursos do jogo. Ele se cansou da publicidade e das ofertas de Nitro no Discord, que, além disso, não abre sem recorrer a soluções alternativas de acesso. No TeamSpeak, o supressor de ruído funcionava mal, e o Mumble não tinha compartilhamento de tela. O código principal do Nimbo foi escrito pela IA, e o autor cuidou da lógica, da interface, da escolha do stack e da arquitetura.

Primeiro, ele fez um cliente para Windows em C++ e Qt: o C++ permite controlar a memória com precisão, e os amigos têm notebooks antigos. Mas, a cada alteração, era preciso esperar a build do EXE e distribuir o arquivo para o grupo. Nesse ciclo, segundo a estimativa do autor, o trabalho de design e UX consumia três vezes mais tokens. Por isso, o cliente foi congelado e o projeto migrou para a web: Vue e TypeScript, servidor em Go e o LiveKit, pronto para uso, cuidando da transmissão de voz, câmera e tela.

Um truque ajudou no design. Os UI kits prontos esbarravam o tempo todo em suas próprias limitações, e a folha em branco dificultava explicar à rede neural o que ele queria. O autor reuniu referências de clima e de cores e as entregou à IA no lugar de um framework. A primeira tela saiu rápido, mas o modelo se perdia nos detalhes (espaçamentos, cantos arredondados, bordas e divisores), e por isso foram necessários muitos ajustes.

Supressor de ruído: cliques do mouse e mordida na maçã

O primeiro escolhido foi o RNNoise, que é leve e quase não adiciona latência. Mas, nas sessões de jogo, dava para ouvir cada clique do mouse e o farfalhar do pacotinho de amendoim. Para comparar, o autor pegou gravações prontas de cliques de mouse, de uma mordida e da mastigação de uma maçã, passou todas por três filtros e mediu quantos decibéis de ruído cada um suprimia: quanto maior o número, melhor.

Nas três gravações de mouse, o RNNoise registrou 13,55, 15,19 e 28,82 dB, o GTCRN registrou 19,21, 21,13 e 27,66 dB, e o Speex, 0,33, 0,93 e 1,61 dB. Na maçã, a diferença ficou enorme: RNNoise, 0,35 dB; GTCRN, 21,29 dB; Speex, 0,17 dB. O preço do GTCRN é uma voz um pouco mais abafada e uma latência de processamento de 32 ms, contra 21 ms do RNNoise. No jogo, isso passa despercebido, e por isso o GTCRN virou o modo padrão, com o RNNoise mantido como alternativa. O processamento acontece no computador do usuário, e isso ainda é um ponto para otimização futura.

Onde a IA não ajudou: memória e segurança

Na parte de memória, o autor teve de virar testador: abrir o chat, assistir a um vídeo, ligar e desligar a câmera, e observar após qual clique o consumo não voltava ao nível inicial. A IA não pensou nesses cenários por conta própria, embora o autor ressalve que talvez ele mesmo tenha feito pedidos ruins. Nos vídeos do chat, o cliente libera o decodificador quando o vídeo está em pausa e memoriza a posição. No fim, uma chamada de voz no ambiente de testes ocupou 19,9 MB de memória física dos processos do Nimbo, e em condições reais é de se esperar de 25 a 30 MB.

Para a segurança, o autor adotou o seguinte método: rodou parte dos modelos localmente, explicou aos agentes o trecho relevante da arquitetura, formulou uma hipótese específica de ataque e mandou verificá-la no ambiente de testes. Foi assim que apareceu uma vulnerabilidade: uma saída anônima do serviço podia sobrescrever todo o banco de dados. O autor tem certeza de que haverá mais achados, e eles já estão no backlog.

O resultado

Não existe uma base de usuários compartilhada: o apelido, as configurações e as chaves de acesso aos servidores ficam no arquivo .nimbo, protegido por uma senha obrigatória e que abre em qualquer cliente compatível. O código é aberto, sob licença MIT: o servidor, a versão web e o cliente para Windows estão no GitHub. A desvantagem é real: quem hospeda o servidor precisa alugar uma VPS e lidar com a implantação. Entre os planos estão desenho sobre a tela, overlay de jogo, inicialização do servidor direto pelo aplicativo e clientes para Mac e Android.

Conclusão prática: ao fazer vibe coding, reserve tempo de antemão para medições. Memória, áudio e segurança a IA não verifica sozinha.

História

Perguntas frequentes sobre a notícia

Por que criar mais um chat?

O autor queria apenas jogar com os amigos. Para isso, precisava de salas de voz, chat de texto, compartilhamento de tela, um bom supressor de ruído e um cliente que não roubasse recursos do jogo. Ele se cansou da publicidade e das ofertas de Nitro no Discord, que, além disso, não abre sem recorrer a soluções alternativas de acesso. No TeamSpeak, o supressor de ruído funcionava mal, e o Mumble não tinha compartilhamento de tela.

O que se sabe sobre Supressor de ruído: cliques do mouse e mordida na maçã?

O primeiro escolhido foi o RNNoise, que é leve e quase não adiciona latência. Mas, nas sessões de jogo, dava para ouvir cada clique do mouse e o farfalhar do pacotinho de amendoim. Para comparar, o autor pegou gravações prontas de cliques de mouse, de uma mordida e da mastigação de uma maçã, passou todas por três filtros e mediu quantos decibéis de ruído cada um suprimia: quanto maior o número, melhor.

Onde a IA não ajudou: memória e segurança?

Na parte de memória, o autor teve de virar testador: abrir o chat, assistir a um vídeo, ligar e desligar a câmera, e observar após qual clique o consumo não voltava ao nível inicial. A IA não pensou nesses cenários por conta própria, embora o autor ressalve que talvez ele mesmo tenha feito pedidos ruins. Nos vídeos do chat, o cliente libera o decodificador quando o vídeo está em pausa e memoriza a posição.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
O que você acha?
Carregando comentários…