ViralMint
ViralMint es una plataforma open-source local-first para pipeline de video que automatiza scouting de tendencias, transcripción con Whisper, edición con FFmpeg y generación de shorts con IA. Arquitectura 100% privada sin telemetría, licencias AGPL-3.0, BYOK (Bring Your Own Keys). Soporta YouTube, Ti
Ficha actualizada 27 sept 2026, 9:06 · upstream 27 sept 2026, 8:38 · release v1.2.0
Qué es ViralMint
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
ViralMint es una plataforma open-source diseñada para creadores que buscan consolidar múltiples herramientas en un único flujo de trabajo local. La arquitectura 'local-first' garantiza que videos, transcripciones y scripts nunca abandonen el dispositivo del usuario, cumpliendo requisitos estrictos de privacidad y seguridad.
El sistema se estructura alrededor de agentes especializados: Scout identifica tendencias multiplataforma con análisis de viralidad; Analyzer extrae insights mediante Whisper local; Clip Studio corta videos largos en shorts editables con timeline real y detección automática de límites de frases; Generate crea contenido completo desde script hasta MP4 finalizado. La interfaz web construida con Next.js, React y FastAPI proporciona control total sobre cada etapa del pipeline.
La licencia AGPL-3.0 permite fork, modificar y construir negocios sobre la plataforma. El modelo BYOK elimina intermediarios: las API keys se envían directamente a los proveedores sin pasar por servidores de ViralMint. Las 22 herramientas nativas basadas en FFmpeg y Whisper funcionan offline con costo cero, reduciendo drásticamente la dependencia de servicios cloud costosos.
- Creadores de contenido que automatizan producción de shorts desde videos largos con timeline real
- Equipos de marketing que requieren análisis de tendencias multiplataforma sin exponer datos a SaaS
- Desarrolladores que necesitan pipeline de video 100% privado para proyectos corporativos sensibles
- Usuarios que generan motion graphics con IA sin footage mediante HyperFrames local
- Arquitectura 100% local con BYOK - datos y keys nunca salen del dispositivo del usuario
- Suite de 22 herramientas nativas basadas en FFmpeg + Whisper que funcionan offline con costo cero
- Agentes especializados (Planner, Scout, Analyzer, Generator) orquestados por chat streaming WebSocket
- Clip Studio con timeline real y detección automática de límites de frases para edición precisa
- Soporte multiplataforma para scouting: YouTube, TikTok, Douyin con análisis de viralidad 3x-20x baseline
- Generación completa de shorts: script → TTS Edge (400+ voces) → stock Pexels → subtítulos animados CJK/Arábigo → música royalty-free
- Requiere instalación manual de Python 3.11+, Node.js 18+, FFmpeg sin Docker ni Compose
- Necesita configuración manual de API keys para YouTube Data API v3 y Pexels en .env o UI
- Build de desktop app con PyInstaller toma 10-15 minutos por primera compilación
- No incluye soporte nativo para Kubernetes, orquestación en contenedores ni despliegue cloud automático
- Primer acceso requiere abrir navegador manualmente en http://localhost:16888 tras instalación
Capturas del proyecto
Imágenes reales detectadas en la documentación del repositorio.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Requiere Python 3.11+, Node.js 18+, FFmpeg instalados previamente. Crear entorno virtual con python -m venv venv, activar según SO (source venv/bin/activate en Linux/macOS o venv\Scripts\activate en Windows). Instalar dependencias con pip install -r requirements.txt. Copiar .env.example a .env (opcional - keys también configurables en UI). Ejecutar python run.py. Primer acceso en http://localhost:16888. Para app desktop usar script de PyInstaller en desktop/scripts/build-app.sh con salida en desktop/release/.
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.