Kann ich ekto vibecoden?

JEIN · Wochenendprojekt

Preis nicht belastbarKategorie 🔊 sprach-kiersetzt von 0 Personen

Preis für Deutschland

Der Anbieter rechnet in US-Dollar ab

Die Seite zeigt die Preise aus dem US App Store in Dollar: 14,99 Dollar pro Woche, 34,99 Dollar pro Monat, 69,99 Dollar pro Quartal. Laut Seite weichen die Preise je nach Land ab.

Für deutsche Unternehmen kann bei Softwareleistungen aus dem Ausland das Reverse-Charge-Verfahren gelten. Das hängt nicht von der Währung allein ab. Was du auf Rechnung und USt-Voranmeldung prüfen solltest →

geprüft am 17.09.2026 · Quelle ↗ · so prüfen wir

Die Pipeline ist nicht mehr exotisch: Mikrofon erfassen, mit einer Sprachaktivitätserkennung segmentieren, mit Whisper transkribieren, übersetzen, mit einer lokalen TTS-Stimme zurücksprechen. Ein Agent verdrahtet das an einem Wochenende zu einer funktionierenden lokalen App, und sie übersetzt wirklich ein Gespräch. Was sie von Anfang an nicht tut, ist eine Stunde lang sauber durchhalten: Segmentgrenzen schneiden Wörter ab, Sprecherwechsel verschwimmen, die Latenz kriecht mit dem wachsenden Puffer, und das Tempo Satz für Satz, das diese Apps im echten Gespräch brauchbar macht, ist ein Abstimmungsproblem, kein Codeproblem. Du bekommst auch keine Handy-App, und dort findet Sprachübersetzung wirklich statt. Gut für einen Schreibtisch und Reisevorbereitung, wenig überzeugend, wenn du es einem Fremden auf einem Markt hinhältst.

der Prompt

Build a local real-time voice translation app. No accounts, no cloud services, no telemetry.

Stack, non-negotiable:
- Python 3.11 + FastAPI, served with uvicorn on port 8000.
- One HTML page with vanilla JS, no framework, no build step.
- Audio in: browser getUserMedia, 16kHz mono, streamed to the server over a WebSocket in 250ms PCM chunks.
- Speech to text: faster-whisper (small model default, configurable via .env).
- Segmentation: silero-vad or webrtcvad to detect end of utterance. Do not translate on fixed timers, translate on detected utterance boundaries.
- Translation: argostranslate with locally installed language pairs.
- Text to speech: piper, one voice per target language, downloaded on first run into ./models.

Behavior:
- User picks source and target language in a dropdown before starting.
- Press Start, speak, and on each detected utterance the server returns: original text, translated text, and a WAV of the translated speech. The page appends both lines to a running transcript and plays the audio.
- Show live latency per utterance in ms in the corner. Be honest, measure end of speech to audio ready.
- Handle overlap: if a new utterance arrives while audio is playing, queue it, never drop it.
- Long session hygiene: cap the in-memory transcript at 500 lines, reset the whisper buffer after every utterance, log RSS every 60 seconds.

Out of scope, do not build: mobile app, user accounts, cloud sync, speaker diarization, a two-phone conversation mode.

Deliverables: main.py, static/index.html, static/app.js, requirements.txt, .env.example (WHISPER_MODEL, DEVICE, COMPUTE_TYPE), scripts/download_models.py, and a README with exact run steps plus one paragraph on where this degrades in sessions over 20 minutes.

Run it, speak a test sentence in English with Spanish as target, and paste the measured latency into the README.

Antworte mir auf Deutsch. Oberfläche, Kommentare und README auf Deutsch, alle Bezeichner wie Tabellen, Spalten, Variablen, Routen und Dateinamen bleiben Englisch.

$ im Agenten öffnen (Prompt ist vorausgefüllt, du drückst Enter) oder direkt kopieren · dieser Bauplan ist noch auf Englisch, die Bitte um deutsche Antworten hängt unten dran · dieser Prompt wurde aus dem Bauplan erzeugt · Verbesserung einreichen

warum Menschen weiterhin bezahlen

Du beurteilst Sprachübersetzung ganz nach den Sekunden zwischen dem Satzende des anderen und dem Moment, in dem du die Übersetzung hörst, und danach, ob sie in Minute 40 noch funktioniert. Ein lokaler Bau schafft die Demo und franst dann aus: Dazwischenreden, Hintergrundlärm, zwei Leute gleichzeitig, das Handy sperrt sich. Zahlen bringt dir ein Handy in der Tasche, das diese Fälle behandelt, ohne dass du mitten im Gespräch Schwellenwerte anpasst.

Anmerkung der Redaktion

Sehr baubar als Spielzeug am Schreibtisch, viel schwerer als etwas, dem du im Taxi vertrauen würdest.

was du verlierst

xVerlässlichkeit in langen Sitzungen: Speicherwachstum, driftende Segmentierung und verlorene Sprecherwechsel nach den ersten 20 Minuten

xsauberes Tempo Satz für Satz und Erkennung des Sprecherwechsels, der Großteil der wahrgenommenen Qualität

xeine Handy-App, sonst übersetzt du nichts im Stehen

xVerhalten offline oder bei schlechter Verbindung, abgestimmt auf echte Reisen

xLatenzbudgets, die jemand anders schon erkämpft hat: Teilergebnisse streamen statt auf ein volles Segment zu warten

Vorarbeit · nutze diese Projekte, wenn du nicht selbst bauen willst

Nichts, das wir guten Gewissens empfehlen können. Deshalb gibt es den Prompt.

auf X teilen ↗„Ich habe ekto mit einem Prompt ersetzt.“