¿Puedes construir Captions con IA?

Construye el sustituto personal más honesto posible de Captions en un repositorio vacío.
Usa Python 3.12, FastAPI, SQLite, ffmpeg y un modelo local de TTS propiedad del usuario; no ofrezcas stacks alternativos.
El ciclo central es: añadir subtítulos y cambiar el encuadre de videos cortos del usuario usando un modelo local, etiquetar claramente cualquier contenido sintético y conservar la procedencia de cada salida.
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.
Guarda los secretos en .env, incluye .env.example y nunca confirmes credenciales en el repositorio.
Exige una confirmación de derechos y consentimiento a nivel de proyecto antes de generar audio.
No incluyas recursos de voces de celebridades, figuras públicas o contenido extraído, y acepta únicamente modelos con licencia explícita.
Genera voz a partir de texto con controles de voz, velocidad, pausas, pronunciación y segmentos.
Crea una línea de tiempo para audio, subtítulos, recursos visuales subidos y transiciones simples.
Inserta metadatos del proyecto y una divulgación visible de contenido sintético en los recursos exportados.
Guarda los prompts, identificadores de modelos, notas de consentimiento y hashes de salida en un registro local de procedencia.
Incluye estados claros de vacío, carga, éxito y errores recuperables.
Añade validación de entradas, nombres de archivo seguros y gestión adecuada de APIs no disponibles.
Escribe pruebas enfocadas en la transformación central y una ruta feliz de extremo a extremo.
Crea un README con la configuración, la arquitectura, los permisos, la ubicación de los datos y los pasos de respaldo.
No añadas cuentas, facturación, telemetría, analítica ni un plano de control alojado.
No afirmes reproducir datos propietarios, liquidez de red, acceso regulado ni infraestructura avanzada.
Deja fuera deliberadamente la clonación de una voz sin consentimiento claro.
Deja fuera deliberadamente la suplantación o el contenido engañoso sin etiquetar.
Deja fuera deliberadamente un modelo avanzado de avatar, el alojamiento público y la gestión de derechos empresariales.
Termina ejecutando las pruebas y enumerando los comandos exactos utilizados.