¿Puedes construir Auphonic con IA?

Construye una alternativa personal a Auphonic en un repositorio vacío.
Usa Python 3.12, FastAPI, ffmpeg, SQLite y una interfaz HTMX; no ofrezcas stacks alternativos.
El ciclo principal es: importar audio hablado propio, normalizar el volumen, reducir el ruido, procesar archivos en lote localmente y exportar archivos listos para producción.
Haz que la primera ejecución funcione localmente con un solo comando documentado.
Almacena todos los datos del usuario localmente de forma predeterminada y facilita su exportación.
Coloca los secretos en .env, incluye .env.example y nunca confirmes credenciales.
Crea una cola de cargas y conserva los originales en una carpeta multimedia de solo lectura.
Genera formas de onda y marcadores de edición no destructivos en lugar de reescribir los archivos fuente.
Implementa recorte de silencios, normalización a -16 LUFS, fundidos y ajustes predefinidos de puerta de ruido.
Agrega marcadores de capítulos, espacios para introducción y cierre, y una línea de tiempo sencilla de dos pistas.
Produce una transcripción y un borrador de título, descripción, capítulos y extractos para redes sociales.
Exporta MP3, WAV, transcripción, capítulos en JSON y un manifiesto completo del proyecto.
Incluye estados claros de vacío, carga, éxito y error recuperable.
Agrega validación de entradas, nombres de archivo seguros y manejo correcto de APIs no disponibles.
Escribe pruebas específicas para la transformación principal y un flujo feliz de extremo a extremo.
Crea un README con la configuración, arquitectura, permisos, ubicación de los datos y pasos de respaldo.
No agregues cuentas, facturación, telemetría, analítica ni un plano de control alojado.
Deja fuera deliberadamente la grabación remota en tiempo real.
Deja fuera deliberadamente el alojamiento de podcasts y la analítica de directorios.
Deja fuera deliberadamente la música de stock con licencia y la clonación de voz.
Termina ejecutando las pruebas y enumerando los comandos exactos utilizados.