Creé el servicio What is My Korean Name?
(jangmoonjang.com)Ya pasó bastante tiempo desde que el vibe coding se volvió tema de conversación, y ahora está cada vez más difundida la idea de que, más allá del vibe coding, el desarrollo basado en agentes como oh-my-opencode será el centro del entorno futuro de la ingeniería de software.
En la empresa también nos ofrecen servicios como Cursor, pero como la compañía es bastante conservadora a la hora de dejar servicios de nivel de producción en manos de la IA, quise probar por mi cuenta cómo era esto del vibe coding.
Hice un servicio dirigido a extranjeros: si ingresas tu nombre y apellido en inglés, genera un apellido y nombre coreanos según la pronunciación, los vincula con caracteres hanja y además ofrece su significado.
Para la conversión fonética usé el paquete Epitran, convirtiendo a International Phonetic Alphabet (IPA) y luego aplicando un método de coincidencia basado en distancia. Por ejemplo, "장칼국수" se convierte en IPA como "t͡ɕaŋ kʰaɭɡuk̚su", y si eso se vuelve a traducir al inglés, da chang kalguksu.
La idea surgió de experiencias en las que, al hablar con extranjeros, rompía el hielo creando nombres coreanos a partir de su pronunciación. También pensé que esta forma tan particular de crear nombres en Corea podría estimular cierto orientalismo en las personas extranjeras.
Como fue difícil conseguir datos de nombres de personas, usé Gemini para 1. tomar caracteres hanja apropiados para nombres, 2. crear nombres que realmente parecieran plausibles y 3. agregar el significado de los hanja.
En todo el proceso de desarrollo no modifiqué ni una sola línea de código; todo se desarrolló con Gemini CLI y Antigravity de Google.
Al subir el proyecto a AWS, Gemini me recomendó la combinación Amplifier + Lambda, y la seguí tal cual. 1. Era la primera vez que oía hablar de Amplifier, pero lo entendí enseguida haciendo preguntas, y 2. como la ejecución de Lambda era más lenta de lo esperado, revisé el código y pedí ajustes. Sentí que todavía no están integradas varias tareas de GUI que el usuario debe hacer manualmente, como la emisión de claves de autenticación, pero incluso eso parece ser solo cuestión de tiempo.
Tampoco conocía en absoluto paquetes como Epitran o Amplifier que mencioné antes; fueron propuestas que hizo primero Gemini cuando le transmití los requisitos. La IA resuelve muy rápido la segunda parte difícil del aprendizaje: "¿qué necesito saber?" (la primera parte difícil es "¿qué es lo que no sé?").
Aunque es un proyecto curioso sin ni un solo anuncio, pienso promocionarlo por varios lados y también probar con publicidad en Facebook.
Como mi objetivo para 2026 es consolidar mi identidad no como subcontratista de una empresa sino como productor, quiero hacer unos tres proyectos a nivel de producto como este y, con esa base, formar un equipo para proyectos más grandes y difíciles.
3 comentarios
Creo que estaría bien poder probar por separado el nombre y el apellido, pero como no es así, siento que no me dejó tan satisfecho como esperaba.
Como ejemplo puse a Angelina Jolie, que ya venía ahí, y salió Choi Aerin. Creo que me cuesta darle una puntuación alta jaja;
No da mucho la sensación de que coincida con el nombre ingresado... ¿hay algún buen ejemplo?
¿Qué nombres han probado? Al hacer la correspondencia apellido -> apellido y nombre -> nombre, en el caso de los apellidos hay mucha menos diversidad que en los nombres (50), así que a veces no encaja muy bien; aun así, con los nombres sí parece que la probabilidad de que salgan resultados decentes es más alta. Por ejemplo, si probamos algunos casos:
Anthony Hopkins -> Han In-hwan sería más o menos un 50/100,
Erika Kirk -> Gwak Ae-rin ya merecería como un 70/100.