El meu agent d'IA ja parla, escolta xarxes socials i analitza vídeos — i tot gratis
Dia 7 amb Harvie, el meu agent d'IA. Avui hem afegit tres capacitats noves: veu, escolta de xarxes socials i anàlisi de vídeos. El més sorprenent: el cost total de tot això és zero euros.
Harvie ja parla
Fins ahir la nostra comunicació era només text. Avui li he dit: «pots parlar-me amb veu?» I en 5 minuts estava configurat.
Com funciona per dins
- Jo li envio un àudio per Telegram (nota de veu normal)
- Whisper (model d'OpenAI, corrent en local) transcriu l'àudio a text
- Harvie processa el text i genera la seva resposta
- Edge TTS (motor de veu de Microsoft) converteix la resposta a àudio
- Em torna una nota de veu a Telegram
Àudio de Johnny → Whisper (STT) → Text → Harvie pensa → Edge TTS → Àudio de tornada
El catàleg de veus
Edge TTS té 44 veus en castellà amb accents de tot el món hispanoparlant:
- 🇪🇸 Espanya (Álvaro, Elvira, Ximena)
- 🇨🇴 Colòmbia (Gonzalo, Salomé)
- 🇦🇷 Argentina (Tomás, Elena)
- 🇻🇪 Veneçuela (Sebastián, Paola)
- 🇲🇽 Mèxic (Jorge, Dalia)
- 🇨🇺 Cuba (Manuel, Belkys)
- I més: Xile, Perú, Equador, Puerto Rico...
El cost
| Component | Preu |
|---|---|
| Whisper (STT) | Gratis — corre en local, model tiny |
| Edge TTS | Gratis — API de Microsoft, sense key |
| Telegram | Gratis |
| Total | 0 €/mes |
No hi ha API keys de pagament. No hi ha límits d'ús. No hi ha subscripcions. Whisper corre al mateix servidor on viu Harvie, i Edge TTS és un servei públic de Microsoft.
Harvie escolta les xarxes socials
Cada matí a les 9:00, Harvie revisa automàticament:
Twitter/X
Monitoritza comptes que m'interessen, buscant tweets sobre AI agents, open source tools i developer tools. M'envia un digest amb els millors tweets del dia i suggeriments de comptes nous.
YouTube
Revisa canals específics buscant vídeos nous. Si n'hi ha un de nou, descarrega els subtítols i m'envia un resum.
Quan li passo un reel, extreu l'àudio, el transcriu i analitza el contingut. Si el reel menciona altres recursos, els busca i els resumeix.
Com funciona per dins
Cron job (9:00 cada dia)
→ bird CLI (Twitter) / yt-dlp (YouTube/Instagram)
→ Descarrega contingut
→ Whisper (si és àudio/vídeo)
→ Anàlisi i resum
→ M'arriba per Telegram
Totes les eines són open source:
- bird: CLI per a Twitter, sense API oficial
- yt-dlp: descàrrega de qualsevol plataforma (YouTube, Instagram, TikTok, Bilibili...)
- Whisper: transcripció d'àudio a text
- Cron jobs d'OpenClaw: programació de tasques automàtiques
Exemple real: d'un reel a coneixement accionable
Avui algú m'ha enviat un reel d'Instagram. 30 segons d'algú recomanant 5 vídeos de YouTube. En 10 minuts Harvie havia:
- Descarregat l'àudio del reel
- Transcrit el contingut amb Whisper
- Identificat els 5 vídeos esmentats
- Buscat cadascun a YouTube
- Descarregat subtítols i generat resums
Un exemple — Jaime Guerra: «Vols ser ric? No comencis un negoci»
La seva tesi: no comencis un negoci si no tens habilitats. Primer aprèn alguna cosa valuosa (growth marketing, vendes, lideratge). Les habilitats perduren, els negocis van i vénen. Ell va passar de 5€ al compte a 100.000€/mes aprenent growth marketing i oferint els seus serveis a marques d'e-commerce.
Un reel de 30 segons contenia 5 hores de contingut de YouTube. Sense aquest pipeline, hauria trigat tota una tarda. Amb ell, 10 minuts.
El que val això per al desenvolupament
Aquestes capacitats obren portes que abans no existien:
- Investigació de mercat: Harvie pot monitoritzar què es diu a xarxes sobre el meu sector i resumir-ho cada matí
- Curació de contingut: en comptes de fer scroll durant hores, rebo el rellevant filtrat
- Creació de contingut: els resums de vídeos es converteixen en material per a posts del blog
- Prospecció: si un lead publica a xarxes, Harvie ho detecta i adapta el pitch
- Aprenentatge accelerat: puc «veure» 10 vídeos en el temps que tardo a veure'n un
I tot funciona amb eines open source, sense APIs de pagament, corrent en un VPS de 10€/mes.
Stack complet i costos
| Servei | Funció | Cost |
|---|---|---|
| VPS (Hostinger) | Servidor on viu tot | ~10 €/mes |
| OpenClaw | Orquestrador de l'agent | Gratis (open source) |
| Whisper | Transcripció d'àudio | Gratis (local) |
| Edge TTS | Síntesi de veu | Gratis |
| yt-dlp | Descàrrega de contingut | Gratis (open source) |
| bird CLI | Lectura de Twitter | Gratis (open source) |
| Telegram Bot | Canal de comunicació | Gratis |
| Claude (Anthropic) | Cervell de l'agent | Variable (API) |
L'únic cost real més enllà del servidor és l'API del model de llenguatge. Tot el reste és open source i gratuït.
El teu torn
Si vols muntar alguna cosa similar:
- Comença per la veu:
pip install edge-tts— 5 minuts i el teu agent parla - Afegeix escolta:
yt-dlp+ un cron job = monitorització automàtica - Connecta amb el teu workflow: que els resums alimentin la teva feina real, no siguin només més notificacions
La IA més útil no és la que sap més. És la que s'integra a la teva vida sense que hagis de canviar com treballes.
— jo, Johnny — agent configurat: Harvie. La pregunta ja no és si la IA canviarà la teva feina, sinó si tu decidiràs com.