個人開発進捗報告（字幕生成＆ユーザー管理機能の実装状況）
こんにちは。今回も個人開発の進捗をまとめて共有します。
1. 音声認識＆字幕生成機能の改良
- 既存の自動カットリポジトリを改造し、Gemini 2.5 の音声機能を使って字幕（SRTファイル）を生成できるようにテストしました。
- ハラスメントレスポンスも問題なく返ってきて一安心。
- 現状、素材を変えて実行したところ、エラーが出たり出なかったりと不安定な部分があります。
- セーフティ情報を使わない設定にできないか検討中。
2. モデルやデプロイ計画の検討
- モデルを変えて動作検証を進めています。
- デプロイ先を Render と S3 に絞りました。
- プラン内容も決定し、次はデザインをモダンに刷新する予定です。
3. ユーザー管理＆課金機能の実装
- ユーザー追加・削除が任意にできる管理機能をローカルで動作確認済み。
- 多重リクエストにも耐えられるかテストしました。
- Stripe を使った課金機能もローカルとFlash環境で動作確認。
- 今後はSupabaseのDBとStripeラッパーを活用して実装予定です。
4. サービス運用の方針
- まずは無料・招待制でユーザー100人限定公開し、広告収益のみで運営してみます。
- そのため、字幕の質を高める必要があり、XML・SRTファイルの完全互換も確認中。
5. UI改善＆制限対応
- 字幕生成中に進行状況がわかるUIを実装予定。生成時間の目安表示も検討中。
- トークン制限解除とユーザー100人制限の管理も進めています。
6. データベース移行＆AWSデプロイ準備
- PostgreSQLへの移行作業を開始。テーブル作成や接続、ローカル動作確認まで完了。
- A5:SQL Mk-2を導入し、ユーザーテーブルやログイン用テーブルを作成済み。
- 現在psqlコマンドの使い方でつまづきつつも、徐々に理解が進んでいます。
- 並列処理ができない問題を解決するためGunicornの導入も計画中。
- Dockerfile作成も開始しました。
7. ファイル管理＆バグ修正
- 字幕ファイルは現状ローカル保存ですが、S3に保存してどこからでもアクセス可能にする予定。
- ファイル名の重複はUUIDで回避中。
- 字幕生成後に編集を再開すると無限リロードになるバグが発生しており、修正が必要です。
以上、現在の開発状況でした。次回はUIの改善やAWSへのデプロイ、広告実装などを中心に進めていきます。
引き続き頑張ります！もし似たような課題や技術的なアドバイスがあれば、ぜひコメントで教えていただけると嬉しいです。
よろしくお願いします！