¿Puedes construir HeyGen con IA?

Construye el sustituto personal más cercano y honesto de HeyGen 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 principal es: convertir texto escrito por el usuario en un video estilo avatar claramente etiquetado, ensamblado a partir de medios propios con un modelo local, sin clonar personas reales y conservando la procedencia de cada resultado.
Haz que la primera ejecución funcione localmente con un solo comando documentado.
Almacena todos los datos del usuario localmente por defecto y facilita su exportación.
Guarda los secretos en .env, incluye .env.example y nunca confirmes credenciales.
Exige una confirmación de derechos y consentimiento a nivel de proyecto antes de generar audio.
No incluyas recursos de celebridades, figuras públicas ni voces obtenidas mediante scraping, 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, elementos visuales cargados y transiciones sencillas.
Incrusta 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 resultados en un registro local de procedencia.
Incluye estados claros de vacío, carga, éxito y error recuperable.
Añade validación de entradas, nombres de archivo seguros y manejo adecuado de APIs no disponibles.
Escribe pruebas específicas para la transformación principal 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 copia de seguridad.
No añadas cuentas, facturación, telemetría, analítica ni un plano de control alojado.
No afirmes reproducir datos propietarios, liquidez de red, acceso regulado ni infraestructura de vanguardia.
Deja fuera deliberadamente la clonación de voces sin consentimiento claro.
Deja fuera deliberadamente la suplantación o los medios engañosos sin etiquetar.
Deja fuera deliberadamente un modelo de avatar de vanguardia, el hosting público y la gestión empresarial de derechos.
Termina ejecutando las pruebas y enumerando los comandos exactos utilizados.