Companion-Space
Companion Space es una aplicación de aprendizaje personalizado y acompañamiento local, enfocada en el anime y cultura japonesa. Permite crear espacios independientes con datos propios, interactuar con personajes virtuales mediante texto o voz, y realizar revisiones post-conversación.
Ficha actualizada 23 sept 2026, 1:57 · upstream 23 sept 2026, 1:26 · release sin release detectada
Qué es Companion-Space
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Companion Space es un proyecto de desarrollo personal que permite a los usuarios construir sus propios entornos de aprendizaje personalizados. La aplicación se centra en la cultura anime japonesa, ofreciendo una experiencia de acompañamiento local donde el usuario puede crear espacios dedicados con su propia información y personajes favoritos.
La plataforma ofrece una interfaz web basada en Next.js que proporciona un entorno de desarrollo rápido y accesible. Se integra con tecnologías como Node.js, FastAPI y Python para manejar la lógica del backend, mientras que la interfaz de usuario se construye con React y Next.js. La aplicación soporta tanto interacción por texto como voz real, permitiendo una experiencia de conversación fluida.
El sistema utiliza un enfoque de arquitectura microservicios donde cada componente tiene una responsabilidad específica: el frontend gestiona la interfaz del usuario, el backend maneja la lógica de negocio y la API, mientras que los servicios de TTS (Text-to-Speech) se encargan de la síntesis de voz. La infraestructura se despliega mediante Docker Compose, lo que permite un despliegue rápido y escalable.
La aplicación está diseñada para ser flexible y modular, permitiendo a los usuarios personalizarla según sus necesidades específicas. Se soporta tanto el desarrollo local como el despliegue en entornos cloud, con opciones de integración con diferentes proveedores de inteligencia artificial para la generación de contenido.
- Crear un espacio personalizado para estudiar o aprender sobre anime y cultura japonesa
- Conversar con personajes virtuales a través de texto o voz
- Organizar y revisar material de estudio en sesiones estructuradas
- Generar contenido creativo basado en personajes y escenarios personalizados
- Compartir experiencias de aprendizaje entre usuarios mediante espacios compartidos
- Crear entornos inmersivos para el estudio con avatares 3D interactivos
- Soporta interacción por texto y voz real, permitiendo una experiencia conversacional fluida
- Permite crear espacios independientes organizados por temas o intereses específicos
- Integra modelos de inteligencia artificial como OpenAI, Ollama y Qwen3-TTS
- Utiliza un enfoque local-first con datos almacenados en el dispositivo del usuario
- Soporta modelos 3D VRM para personajes interactivos con animaciones y expresiones faciales
- Permite la creación de avatares personalizados mediante herramientas como Blender
- El despliegue requiere Docker Desktop o un entorno compatible, lo que puede no ser accesible en entornos sin hardware adecuado
- La integración con servicios externos como OpenAI o Ollama depende de la disponibilidad y configuración del usuario
- Los modelos 3D VRM requieren GPU dedicada para una ejecución eficiente, limitando su uso en dispositivos con recursos limitados
- El despliegue en producción requiere un servidor web robusto (Caddy) y gestión de certificados SSL
- La sincronización móvil requiere configuración adicional del entorno de desarrollo y no funciona nativamente en entornos móviles estándar
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Para desplegar Companion Space, se recomienda usar Docker Compose con la siguiente estructura: un contenedor web (Next.js) que serve la interfaz, un contenedor API (FastAPI) para manejar lógica del backend, y contenedores separados para servicios de TTS como Qwen3-TTS. Se debe configurar Caddy como proxy HTTPS único, ya que el proyecto utiliza TLS interno (tls internal) en lugar de certificados externos. Para entornos móviles, se requiere un entorno de desarrollo separado con JDK 21 y Android SDK 36, junto con la configuración del origen HTTPS en el shell. Es importante no commitar archivos sensibles como .env, storage/, ni credenciales reales a git. El despliegue inicial puede realizarse desde una máquina local con Docker Desktop, y se recomienda mantener un backup de los datos antes de realizar cambios en la infraestructura.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.