Pulsa "Grabar" y JARVIS captura el micro. Al detener, lo transcribe localmente (faster-whisper) y separa quién dice qué (pyannote). Las voces inscritas en speakers.db se nombran automáticamente; el resto sale como "Desconocido N".

Genera vídeo desde texto (T2V) o anima una imagen (I2V). Motor y duración elegibles. El prompt en español se traduce automáticamente a inglés cinematográfico antes de enviar al modelo.

FLUX local (gratis, RTX 4090) o Nano Banana 2 (Gemini Image 3 vía API gratuita de Google). Prompt en español se traduce automáticamente.

Genera HTML+CSS autocontenido aplicando el lenguaje visual de un sitio real (paleta, tipografía, atmósfera). Fetch del design system on-demand desde voltagent/awesome-design-md, generación con Groq Llama 3.3 70B.