Del Infierno del Copiar-Pegar a la Magia de Un Solo Clic: Cómo Creé un Generador de Flashcards de Anki con IA usando Vibecoding
Aprender vocabulario en inglés con Anki ha sido parte de mi rutina durante años. Pero crear flashcards de calidad era una pesadilla. Hasta que decidí usar vibecoding para solucionarlo.
El Problema: El Infierno del Copiar-Pegar
Antes de que existiera esta app, crear una sola tarjeta de vocabulario significaba:
- Pedirle a ChatGPT una definición estilo Cambridge Dictionary
- Copiar la definición, sinónimos y oraciones de ejemplo
- Generar una imagen con DALL-E u otro servicio
- Descargar la imagen y agregar el texto superpuesto
- Copiar el markup SSML que ChatGPT generaba
- Pegarlo en ElevenLabs para generar el audio
- Descargar el archivo de audio
- Agregar manualmente todo a Anki
Para UNA tarjeta. Ahora multiplica eso por cientos de palabras.
Así lucían las instrucciones de mi proyecto en ChatGPT—un prompt detallado pidiendo definiciones, ejemplos cloze, markup SSML y descripciones de imágenes:
Y el SSML generado que tenía que pegar manualmente en ElevenLabs:
Todo el proceso tomaba 5-10 minutos por tarjeta. Era agotador.
La Chispa: Chatterbox TTS
Un día, alguien mencionó Chatterbox—un modelo TTS de código abierto de Resemble AI que corre localmente. Gratis. Ilimitado. Con clonación de voz.
Eso me hizo pensar: ¿Qué pasaría si pudiera automatizar todo el proceso?
Así que empecé a hacer vibecoding.
¿Qué es Vibecoding?
Vibecoding es construir software describiendo lo que quieres a un asistente de programación con IA y dejando que escriba el código. Guías la “vibra” de lo que quieres, iteras sobre los resultados, y terminas con software funcional—frecuentemente sin escribir mucho código tú mismo.
Usé Claude Code (la herramienta CLI de Anthropic) para construir toda esta app. El proceso fue conversacional: describía features, Claude escribía el código, yo lo probaba, e iterábamos.
El Resultado: Generación de Flashcards con Un Clic
Ahora, crear una tarjeta se ve así:
- Escribe una palabra o frase
- Haz clic en “Generate All”
- Listo.
La app automáticamente:
- Genera una definición estilo Cambridge Dictionary
- Crea ejemplos cloze con el markup correcto
- Produce un prompt de imagen describiendo la escena del ejemplo
- Genera una imagen estilo anime a partir del prompt
- Agrega texto superpuesto con la frase
- Crea audio con pausas naturales usando SSML
Y la tarjeta final en Anki:
Cómo Funciona: Prompt Engineering sobre Modelos Fundacionales
La magia está en el prompt engineering—crear instrucciones específicas que los modelos fundacionales siguen para producir resultados consistentes y de alta calidad.
Generación de Texto (Múltiples Proveedores LLM)
La app soporta varios proveedores de LLM:
| Proveedor | Modelo | Cómo se Llama |
|---|---|---|
| Anthropic | Claude | CLI claude -p |
| Gemini | Vía integración MCP | |
| OpenAI | Codex/GPT | CLI codex exec |
| Ollama | Mistral, Llama, etc. | API Local |
Detrás de escenas, cuando haces clic en “Generate All”, la app ejecuta algo como:
result = subprocess.run(
["claude", "-p", prompt, "--no-session-persistence"],
capture_output=True,
text=True,
timeout=self.timeout
)
El prompt está cuidadosamente diseñado:
system_prompt: |
You are a vocabulary expert creating English learning flashcards.
You always respond with valid JSON matching the exact schema requested.
CRITICAL FOR EXAMPLES:
- Each example MUST correctly demonstrate the definition's meaning
- For IDIOMS: Use the FIGURATIVE meaning, not the literal meaning
- Test: "Would a native English speaker use this phrase exactly this way?"
Generación de Imágenes (Múltiples Proveedores)
La app genera un prompt de imagen, luego lo envía al proveedor que elijas:
| Proveedor | Modelo | Costo |
|---|---|---|
| Pollinations.ai | FLUX | Gratis |
| Alibaba | Qwen | ~$0.015/img |
| OpenAI | DALL-E 3 | ~$0.04/img |
| Imagen | ~$0.02/img | |
| Stability AI | SDXL | ~$0.002/img |
| Local | Stable Diffusion | Gratis |
Generación de Audio (Proveedores TTS)
Para audio, puedes elegir entre:
| Proveedor | Modelo | Costo |
|---|---|---|
| Chatterbox | TTS Local | Gratis |
| ElevenLabs | Eleven Multilingual v2 | Por carácter |
La app maneja el parsing de SSML, timing de pausas y normalización de audio automáticamente.
audio_generator = self.client.text_to_speech.convert(
text=processed_text,
voice_id=voice_id,
model_id="eleven_multilingual_v2",
voice_settings=voice_settings,
)
Bonus: Clonación de Voz Personalizada
¿Quieres aprender con una voz familiar? La app soporta clonación de voz usando Chatterbox. Puedes:
- Grabar tu propia voz (o la de un amigo con permiso)
- Subir un archivo de audio como muestra de referencia
- Extraer audio de YouTube para contenido libre de derechos o muestras personales
- Generar todas tus flashcards con esa voz personalizada
La app incluso analiza la calidad del audio y recomienda la duración óptima del clip (10-30 segundos) para mejores resultados.
¿Qué es Anki?
Anki es una app de flashcards gratuita y de código abierto que usa el Sistema de Repetición Espaciada (SRS) para optimizar el aprendizaje. Basado en la investigación de la curva del olvido de Hermann Ebbinghaus, SRS te muestra las tarjetas justo antes de que estés por olvidarlas.
La app se conecta directamente a Anki vía AnkiConnect, así que las tarjetas se agregan con un clic—sin necesidad de importación manual.
Resumen de Modelos Fundacionales
Esto es lo que impulsa la app:
| Proveedor | Modelo | Tipo |
|---|---|---|
| Anthropic | Claude (vía CLI) | Texto/LLM |
| Gemini (vía MCP) | Texto/LLM | |
| OpenAI | Codex/GPT (vía CLI) | Texto/LLM |
| OpenAI | DALL-E 3 | Imagen |
| Imagen | Imagen | |
| Stability AI | Stable Diffusion XL | Imagen |
| Alibaba | Qwen (DashScope) | Imagen |
| Pollinations.ai | FLUX | Imagen (Gratis) |
| Hugging Face | Stable Diffusion v1.5 | Imagen (Local) |
| Hugging Face | Chatterbox (Resemble AI) | TTS (Local) |
| ElevenLabs | Eleven Multilingual v2 | TTS |
Conclusión
Lo que antes tomaba 5-10 minutos por tarjeta ahora toma 10 segundos. Y la calidad es mejor porque los prompts están refinados y son consistentes.
Este proyecto es un ejemplo perfecto de lo que es posible cuando combinas:
- Prompt engineering para guiar el comportamiento de la IA
- Modelos fundacionales de múltiples proveedores
- Vibecoding para construir la app misma
- Herramientas locales y en la nube como Gradio, Chatterbox y AnkiConnect
El futuro de las herramientas de productividad personal es construir exactamente lo que necesitas, con IA como tu compañero de programación.
¿Tienes preguntas o quieres discutir herramientas de aprendizaje impulsadas por IA? No dudes en contactarme en LinkedIn.
