El último mes he estado tratando de hacer algo que, como resultó, es mucho más difícil que escribir código.

Inventar un buen producto.

No solo una idea interesante que parezca genial al desarrollador, sino un producto para el que exista un mercado real y la gente esté dispuesta a pagar.

Y cuanto más pienso en ello, más me convenzo: escribir un MVP a menudo es más fácil que entender qué es exactamente lo que hay que escribir.

Todo empezó con la transcripción

Inicialmente quería hacer un servicio para transcribir audio y video.

La idea parecía bastante lógica: subes un video, obtienes la transcripción en un formato conveniente y luego con un botón haces un resumen breve del contenido.

Más aún, la demanda de este servicio realmente existe. Por ejemplo, la consulta «video a texto» en Yandex Wordstat muestra alrededor de 30 mil consultas al mes.

Incluso logré hacer un MVP rápido: creé el sitio, el backend y conecté mis redes neuronales.

Parecía que ahí estaba el producto.

Pero cuando empecé a mirar el mercado más de cerca, tuve la sensación de que llegaba un poco tarde. Ya hay muchísimos servicios de transcripción, y muchos hacen más o menos lo mismo.

Y empecé a hacerme una pregunta bastante desagradable:

¿Por qué alguien necesitaría otro transcriptor?

Se puede hacer una interfaz más bonita, añadir otra red neuronal o idear algunas funciones adicionales. Pero todo eso ya empezaba a parecer un intento de justificar la idea elegida, no una búsqueda de una necesidad real.

De la transcripción de texto a los videos cortos

En algún momento empecé a pensar no en la transcripción en sí, sino en qué hace la gente con el texto obtenido después.

Así llegué a los videos cortos.

Reels, Shorts, TikTok y otros formatos verticales hace tiempo que convirtieron los subtítulos en un elemento de diseño independiente. Ya no es solo texto en la parte inferior de la pantalla.

Palabras grandes, resaltado de frases individuales, animación, cambio de tamaño y color, colocación del texto junto a objetos en el encuadre: todo esto ayuda a mantener la atención del espectador.

Así nació la idea de hacer un servicio no para transcribir, sino para crear y editar subtítulos llamativos para videos cortos.

Y eso ya es un producto completamente diferente.

Al principio la idea parecía simple: reconocer el habla, obtener los códigos de tiempo y dar al usuario un editor conveniente.

Pero cuanto más pensaba en ello, más posibilidades aparecían:

• detectar objetos en el encuadre y no taparlos con subtítulos;
• resaltar automáticamente palabras importantes;
• añadir animaciones;
• elegir el estilo adecuado para cada video;
• encontrar momentos que vale la pena resaltar visualmente.

Y luego la imaginación del desarrollador empieza a acelerarse: B-roll, edición automática, sincronización de labios, trabajo con la pista de audio, edición de video con un agente de IA.

En algún momento me di cuenta de que así es muy fácil inventar un producto con cinco años de antelación.

Por eso decidí detenerme y empezar con algo mucho más simple:

Hacer un buen editor de subtítulos.

Qué resultó

Así nació mi primer SaaS — Captions Space.

La idea principal del servicio es simple: subir un video, obtener subtítulos automáticamente y ponerlos rápidamente en orden.

El servicio reconoce el habla y crea subtítulos con códigos de tiempo. Después, el video se puede abrir en el editor.

Si el reconocimiento se equivoca en algún lugar, el texto se puede corregir de inmediato. Si el subtítulo aparece demasiado pronto o demasiado tarde, se puede cambiar el tiempo.

Es decir, la IA hace el trabajo rutinario, y la persona revisa y edita rápidamente el resultado.

Y para mí este es un principio bastante importante del producto:

La IA no tiene que hacerlo todo por sí sola. A veces es más útil automatizar el 80% del trabajo aburrido y dejar a la persona el último 20%, donde se necesitan control y toma de decisiones.

Por qué un editor de texto normal no es suficiente

Una parte separada del proyecto es el diseño.

Si miras los Reels y Shorts populares, se nota que los subtítulos a menudo son una parte completa del estilo visual del video.

Por lo tanto, no basta con dar al usuario la posibilidad de corregir el texto.

Es necesario gestionar la fuente, el tamaño, el color, el resaltado de palabras, el fondo, el contorno, el número de líneas y la ubicación del texto. Y es poco probable que alguien quiera configurar todo desde cero para cada video.

Por eso añadí estilos predefinidos:

• Minimal — una opción simple y minimalista;
• Beauty — un estilo más expresivo;
• Business — un diseño sobrio para contenido de negocios.

Eliges la opción adecuada, si es necesario cambias algo, y puedes continuar trabajando.

Al final, el escenario básico se ve así:

Video → reconocimiento → subtítulos → edición → diseño → video listo.

La parte más difícil es detenerse a tiempo

Por ahora, esta es solo la primera versión del producto.

Me esfuerzo deliberadamente por no convertirlo en una combinación de cien funciones de IA, aunque la tentación es muy grande.

Si empiezas a ver el video como un conjunto de datos, las posibilidades son realmente enormes:

• analizar no solo el habla, sino también la imagen;
• entender qué hay en el encuadre;
• determinar la posición de la persona;
• elegir un lugar libre para los subtítulos;
• tener en cuenta el contexto de lo dicho;
• cambiar el diseño según el contenido;
• encontrar momentos importantes;
• añadir B-roll.

En el futuro, se podría abandonar por completo el editor de video clásico y dar al usuario la posibilidad de simplemente escribir:

«Haz de este video un Reels dinámico en el estilo de mi canal».

Y luego obtener el resultado final.

Pero eso ya es la siguiente etapa.

Ahora me interesa mucho más probar una hipótesis más simple:

¿Necesita la gente una herramienta conveniente para crear y editar subtítulos?

Porque aquí es donde comienza el producto real. No con la cantidad de funciones de IA, sino con si resuelve un problema concreto y si la gente está dispuesta a volver a usarlo.

Por eso, por ahora simplemente hago, pruebo y veo qué sale de esto.

Este es mi primer SaaS independiente, y me interesa recorrer todo el camino: desde la idea y las primeras líneas de código hasta los primeros usuarios y, posiblemente, los primeros ingresos.

Si has creado tu propio SaaS o lanzado un MVP, cuéntanos en los comentarios: ¿cómo supiste que habías encontrado una necesidad real, y no solo una idea interesante para ti?

Puedes seguir el desarrollo del proyecto en mi canal de Telegram: @imironov

El proyecto en sí: Captions Space