Diagnóstico técnico: migrar streaming (AWS IVS → MediaMTX) y moderación (Rekognition → modelos open source)

SOBRE EL PROYECTO Plataforma de contenido para creadores con transmisiones en vivo, publicaciones, chat y moderación automática. Estamos dejando de depender de AWS y buscamos una persona o equipo que reemplace dos servicios gestionados por soluciones open source autogestionadas, preferentemente en OVHcloud: - Streaming en vivo: AWS IVS → MediaMTX (u otro motor open source, si se justifica) - Moderación de imágenes y video: AWS Rekognition → modelos de visión autoalojados IMPORTANTE – PRESUPUESTO: el rango indicado (USD 250–750) corresponde SOLO al hito 1 (diagnóstico). Para los hitos 2 a 5, entrega una estimación de costo y duración por hito (pueden ser rangos). STACK ACTUAL Node.js, TypeScript, Next.js, React, Prisma, PostgreSQL, Docker Compose, Nginx, GitHub Actions y GHCR. ESCALA (escenarios de diseño; la plataforma aún no tiene usuarios reales) - Transmisiones simultáneas: 5 inicial / 20 a 12 meses / 50 en pico - Espectadores simultáneos totales: 500 / 3.000 / 10.000 (máx. 5.000 en una sola transmisión) - Unas 2 h de emisión diarias por transmisión (~300 a ~1.200 horas de emisión al mes) - Moderación: 500 a 5.000 imágenes/día y 50 a 500 videos/día (habitualmente de 15 s a 3 min, máx. 10 min) - Audiencia principalmente en Latinoamérica - Techo de infraestructura para el escenario inicial: ~USD 400/mes, CDN incluida PARTE 1: STREAMING (REEMPLAZO DE AWS IVS) Ya hay una integración parcial con MediaMTX: adaptador de proveedor, emisión desde el navegador por WHIP, reproducción HLS con proxy y tokens, y scripts de migración entre IVS y MediaMTX. Necesitamos: - Auditar y completar esa base hasta dejarla lista para producción - Control de acceso por stream para publicar y ver, con credenciales de vida limitada (JWT u otro mecanismo). No debe haber rutas directas que se salten la autorización - Eventos de inicio, fin, desconexión y grabación conectados a la base de datos, con idempotencia, reintentos y conciliación - Grabaciones: cierre del archivo, subida a almacenamiento de objetos, asociación a la sesión, reproducción posterior y retención - Emisión desde el navegador (WHIP) y desde OBS (RTMP/RTMPS), con TURN para redes restrictivas - Reproducción LL-HLS con 3 a 6 s de retardo y calidad adaptativa en 720p30, distribuida por CDN con presencia en Latinoamérica - Coexistencia con IVS durante la transición, migración gradual y reversión probada - Infraestructura como código, métricas, alertas y pruebas de carga y de fallas Opcional (cotizar aparte): 1080p60 con calidad adaptativa para perfiles seleccionados. PARTE 2: MODERACIÓN (REEMPLAZO DE AWS REKOGNITION) Hoy usamos DetectModerationLabels para imágenes, StartContentModeration/GetContentModeration para videos y MediaConvert para extraer fotogramas. Se usa en publicaciones, adjuntos de chat, el panel de administración y un script de reprocesamiento. Cada archivo produce dos decisiones independientes, con confianza por categoría: - Contenido explícito (+18): desnudez explícita o actividad sexual. No se bloquea; se muestra solo a usuarios que activaron el contenido adulto - Contenido dañino: violencia, gore, símbolos de odio, extremismo y autolesiones. Se marca para revisión o bloqueo El contenido sugerente leve (traje de baño, escote, desnudez parcial) no se marca. Necesitamos: - Proponer y desplegar modelos open source, con licencia que permita uso comercial, para ambas decisiones (NSFW/desnudez y contenido dañino), en CPU o GPU según lo que justifiques en costo - Un servicio de inferencia autoalojado (API interna) que mantenga el contrato actual del módulo de moderación - Para video: extracción de fotogramas con FFmpeg y procesamiento asíncrono con cola, fuera de la petición de publicación - Umbrales configurables por categoría. La prioridad es que no se escape contenido sin marcar; los falsos positivos son un costo menor - Definir un conjunto de validación (hoy no existe uno etiquetado), comparar precisión y exhaustividad contra Rekognition y proponer umbrales - Soporte de JPG, PNG, WebP, AVIF y HEIC Opcional (cotizar aparte): moderación de transmisiones en vivo por muestreo de fotogramas. ENTREGABLES - Diagnóstico y arquitectura: diagrama, componentes, versiones y licencias - Código integrado al repositorio mediante PRs, con pruebas - Infraestructura como código y pipelines de CI/CD - Informe de pruebas de carga, de fallas y de precisión de la moderación - Estimación del costo mensual de infraestructura por escenario (inicial, 12 meses y pico) - Runbooks y una sesión de traspaso de conocimiento FORMA DE TRABAJO Cinco hitos: 1) diagnóstico, 2) piloto, 3) endurecimiento, 4) migración gradual, 5) retiro de AWS. Cada hito se aprueba con una demostración en staging y evidencia de pruebas. - Hito 1 (diagnóstico): precio fijo dentro del presupuesto indicado. Duración esperada: 2 a 3 semanas - Hitos 2 a 5: estimación de costo y duración por hito, con streaming y moderación en partidas separadas. Se contratan según los resultados del diagnóstico - Puedes proponer comenzar por streaming y seguir con moderación si justificas la secuencia - La infraestructura se contrata a nombre de nuestra empresa. OVHcloud es la opción preferida; se acepta otro proveedor con presencia en Latinoamérica si se justifica Tras la preselección compartiremos la especificación técnica completa bajo un acuerdo de confidencialidad (NDA). PERFIL REQUERIDO - Experiencia demostrable en producción con WebRTC/WHIP, RTMP y HLS/LL-HLS, FFmpeg y transcodificación - Experiencia desplegando modelos de visión por computadora (PyTorch/ONNX) como servicio - Buen nivel de TypeScript, Node.js y Next.js, Docker y automatización de despliegues - Conocimiento de OVHcloud o de infraestructura bare metal/VPS PARA POSTULAR, RESPONDE: 1. Un proyecto de streaming en vivo que hayas operado en producción: escala, motor usado y tu rol 2. ¿Qué modelos usarías para reemplazar Rekognition, tanto en desnudez como en contenido dañino, y por qué? 3. ¿Mantendrías MediaMTX o propondrías otro motor? Justifícal