Criei o serviço What is My Korean Name?

Já faz um bom tempo que vibe coding virou assunto, e agora está se espalhando amplamente a visão de que, indo além do vibe coding, o desenvolvimento baseado em agentes como o oh-my-opencode será o centro do futuro ambiente de engenharia de software.

Na empresa também oferecem serviços como o cursor, mas como a empresa é conservadora em relação a confiar serviços em nível de produção à IA, resolvi experimentar por conta própria para vivenciar o vibe coding.

Para estrangeiros, criei um serviço em que, ao inserir nome/sobrenome em inglês, ele gera sobrenome/nome coreano com base na pronúncia, faz o mapeamento para hanja e ainda fornece o significado.

Na conversão fonética, usei o pacote Epitran para converter para o International Phonetic Alphabet (IPA) e adotei um método de correspondência baseado em distância. Por exemplo, "Jang Kalguksu" é convertido em IPA como "t͡ɕaŋ kʰaɭɡuk̚su" e, ao traduzir isso de volta para o inglês, vira chang kalguksu.

A ideia veio da minha experiência de usar isso como quebra-gelo em conversas com estrangeiros, criando nomes coreanos a partir da pronúncia, e acho que essa formação tão característica dos nomes coreanos acaba despertando um certo orientalismo nos estrangeiros.

Como foi difícil conseguir dados de nomes de pessoas, usei o Gemini para 1. pegar caracteres hanja adequados para uso em nomes, 2. criar nomes que parecessem realmente utilizáveis e 3. anexar os significados dos hanja.

Em todo o processo de desenvolvimento, não houve uma única linha de código que eu tenha alterado; tudo foi desenvolvido com Gemini CLI e o Antigravity do Google.

Ao subir o projeto na AWS, o Gemini recomendou a combinação Amplifier + Lambda, e eu simplesmente segui. 1. Foi a primeira vez que ouvi falar de Amplifier, mas entendi rapidamente fazendo perguntas; 2. Como a execução do Lambda estava mais lenta do que eu esperava, revisei o código e pedi ajustes. Senti que várias tarefas de GUI que o próprio usuário ainda precisa fazer, como a emissão de chaves de autenticação, ainda não estão integradas, mas isso também parece ser apenas uma questão de tempo.

Tanto pacotes como o Epitran quanto o Amplifier eram coisas que eu não conhecia absolutamente nada, e foram sugestões que o Gemini fez primeiro quando passei os requisitos. A IA atende muito rapidamente à segunda parte difícil do aprendizado: "o que eu preciso saber?" (a primeira parte difícil é "o que eu não sei?")

Embora seja um projeto mais por interesse, sem nem um anúncio sequer, pretendo divulgá-lo aqui e ali e também rodar promoção no Facebook.

Como minha meta para 2026 é deixar de ser um terceirizado da empresa e estabelecer minha identidade como produtor, quero fazer cerca de três projetos neste nível de produto e, com base nisso, montar uma equipe para projetos maiores e mais difíceis.

[roxie]

Seria bom se desse para testar sobrenome e nome separadamente, mas como não é assim, acho que não fiquei tão satisfeito quanto esperava.

Coloquei a Angelina Jolie, que aparece como exemplo, e saiu Choi Aerin. Acho difícil dar uma nota alta assim haha;

[ng0301]

Não parece muito que haja uma correspondência com o nome digitado... tem algum bom exemplo?

[up0617]

Vocês já experimentaram com algum nome? Na correspondência sobrenome->sobrenome e nome->nome, no caso dos sobrenomes a variedade é bem menor em comparação com os nomes (50), então às vezes o resultado não encaixa muito bem; já com os nomes, a chance de sair algo razoavelmente bom parece ser maior. Por exemplo, testando alguns casos:
Anthony Hopkins -> Han In-hwan seria algo em torno de 50 pontos,
Erika Kirk -> Kwak Ae-rin já parece merecer uns 70 pontos.