Harte Fakten.

Tage Projektlaufzeit

19

Architekturentscheidungen (ADR)

48

Nachweise im Nachweisbuch

154

Python-Tests grün

534

eigene Skripte

100+

GPU-Läufe mit Abbau-Nachweis

≈ 20

OTC-Kosten von 50 € Deckel

≈ 13 €

harte Laufzeitgrenze je GPU-Lauf

≤ 3 h

Stand: November 2026. Zahlen aus Entscheidungs-, Nachweis- und Kostenbuch des Projekts.

Cloud

Open Telekom Cloud, Region eu-de

Rechenzentren in Deutschland. Ein eigener, isolierter Projektbereich, getrennt von allen anderen Systemen.

GPU Rendern/Training

ECS pi5e.2xlarge.4 · NVIDIA L4, 24 GB

Standardprofil für Lippensync, Training und Bühnenclips. Systemplatte 60 GB, verschlüsselt.

GPU groß

ECS p5s.5xlarge.12 · NVIDIA H100, 80 GB

Profil für das 14-Mrd.-Parameter-Modell, Rückfall auf g7.12xlarge.8 (NVIDIA A40). Freigegeben, vorbereitet, nicht gelaufen.

Lade-Server

ECS s3.large.2 · CPU, öffentliche IP

Einziger Server mit Internet: holt öffentliche Modellgewichte von Hugging Face, prüft SHA-256, schreibt in den Speicher. Keine personenbezogenen Daten, ≤ 3 h.

Netz

Isolierte VPC je Lauf · kein NAT · keine öffentliche IP

Der GPU-Server erreicht nur den Objektspeicher – über einen privaten VPC-Endpunkt, nicht über das Internet.

Speicher

OBS-Bucket je Lauf · serverseitig verschlüsselt (KMS)

Eigener Bucket pro Lauf, Schlüssel aus dem Key Management Service. Blockspeicher (EVS) ebenfalls verschlüsselt.

Identität

IAM-Agency am Server · keine Schlüssel auf der Maschine

Der Server bekommt kurzlebige Rechte über eine Agency – eng auf den eigenen Bucket geschnitten. Admin-Zugang lokal im Windows-Tresor (DPAPI).

Steuerung

Eigene Lifecycle-CLI (Node.js) gegen die OTC-API

plan · baseline · network · launch · status · teardown · verify-gone. Jeder Schreibzugriff mit Absicht und Antwort protokolliert. Gelöscht wird nur, was im eigenen Zustand verzeichnet ist.

IaC

Terraform ≥ 1.6 · Provider opentelekomcloud 1.37.3

Module für Stage-0, Speicher-Canary, GPU-Sandbox und Laufzeitbegrenzung. Version festgeschrieben.

Laufzeitgrenze

Cloud-seitige TTL + zweiter Zeitschalter auf dem Server

Fällt die Steuerung aus, fährt der Server nach spätestens 200 Minuten selbst herunter. Danach Abbau und Prüfschritt verify-gone.

1. 1

   Sätze

   sentences_v5.json

   Freigegebener Wortlaut und getrennte Sprechfassung mit gesetzten Pausen.

2. 2

   Stimme

   Stimm-Client · cio_listen_sheet.py

   Takes erzeugen, messen (Wortlaut, Tonhöhe, Melodie, Tempo), Auswahl im Hörbogen.

3. 3

   Tonspur

   cio_tile_audio.py

   Alle Sätze einer Person mit Pausen zu einer Spur – ein Render statt vieler.

4. 4

   Avatar

   Avatar-API-Client

   Render über die API, Status-Abfrage, Download, Eintrag ins Kostenbuch.

5. 5

   Resync

   cio_resync.py

   Rückschnitt je Satz, Lippen und Ton auf den Frame genau ausgerichtet.

6. 6

   Hintergrund

   cio_chroma_bg.py

   Eigener Keyer: Person freistellen, ohne Saum auf den Anruf-Hintergrund.

7. 7

   Verwandlung

   cio_morph.py

   4-Sekunden-Morph von einer Person zur anderen, optional mit Ton.

8. 8

   Anruf

   cio_call_compose.py

   Komposition der Anruf-Oberfläche mit FFmpeg, Ein-/Ausblenden, Anrufton.

9. 9

   Abschluss

   cio_stage_finish.py

   Lautheit, Limiter, sichtbare KI-Kennzeichnung – ohne Kennzeichnung kein Export.