top of page

AssemblyAI EC2 Spot riduce i costi di calcolo dell'inferenza

15 minuti fa
Tempo di lettura: 13 min

AssemblyAI ha riportato costi di calcolo per l'inferenza inferiori del 70% rispetto ai prezzi On-Demand in un case study AWS del 13 novembre, dichiarando al contempo di aver mantenuto gli impegni di servizio. L'implementazione AssemblyAI EC2 Spot illustra il compromesso alla base dell'infrastruttura scontata: un'elaborazione meno costosa richiede un'applicazione in grado di tollerare l'interruzione delle macchine.

Secondo l'architettura di inferenza, la sua flotta combina capacità On-Demand di base con GPU Spot distribuite su diverse famiglie di istanze. Le GPU, processori adatti ai calcoli paralleli, eseguono l'inferenza, ovvero l'esecuzione di modelli addestrati. Amazon ECS, un servizio di gestione dei container, pianifica i worker. Amazon SQS, una coda di messaggi gestita, supporta i tentativi.

Il confronto principale riguarda la capacità interrompibile rispetto al completamento prevedibile dei job. Amazon Transcribe offre un utile riferimento a livello di servizio, ma questa divulgazione non stabilisce una classifica competitiva delle prestazioni. Le sue implicazioni riguardano il modo in cui i provider assorbono i guasti dell'infrastruttura prima che raggiungano i clienti.

Cosa stabilisce la divulgazione su AssemblyAI EC2 Spot

Il caso descrive implementazioni regionali indipendenti, citando Oregon e Londra, insieme a un ripristino basato su code e a una dead-letter queue per i tentativi esauriti. Una dead-letter queue conserva i job non riusciti per consentirne l'analisi. Gli autori riportano inoltre una crescita annua della domanda di calcolo di quasi quattro volte.

Il risparmio riportato riguarda il calcolo per l'inferenza, non il costo complessivo di gestione di un'attività di trascrizione.

Questa distinzione determina il modo in cui i lettori dovrebbero interpretare il titolo. Una bolletta di calcolo più bassa non produce automaticamente una riduzione equivalente delle tariffe per i clienti o delle spese operative dell'intera azienda.

Un servizio vocale necessita anche di personale, archiviazione, networking, monitoraggio, assistenza clienti e sviluppo del prodotto. Queste categorie restano al di fuori di un semplice confronto tra macchine scontate e le loro equivalenti On-Demand.

Il resoconto pubblicato non fornisce un modello finanziario verificato in modo indipendente che colleghi il risparmio infrastrutturale riportato alla redditività complessiva. I lettori dovrebbero considerare tale collegamento ancora irrisolto.

Non stabilisce nemmeno che un'implementazione identica produrrebbe lo stesso risultato altrove. Le caratteristiche del carico di lavoro e le condizioni di acquisto determinano l'economia di qualsiasi replica proposta.

L'evento è una divulgazione ingegneristica, piuttosto che la prova del rilascio di un nuovo modello vocale. Il suo valore informativo deriva dall'esposizione di un approccio operativo alla base di un servizio commerciale.

Questo conta perché le storie sull'infrastruttura spesso comprimono diversi risultati in un unico titolo. Tariffe delle risorse più basse, maggiore throughput del modello e spese totali inferiori descrivono esiti differenti.

Un'azienda può migliorare uno qualsiasi di questi risultati senza migliorare gli altri. Un'elaborazione più rapida potrebbe richiedere hardware più costoso, mentre hardware più economico potrebbe richiedere lavoro aggiuntivo di ripristino.

La domanda pertinente è quindi più ristretta rispetto al semplice fatto che le macchine scontate siano interessanti. È se un utile lavoro di trascrizione rimanga economicamente sostenibile dopo che l'applicazione ha gestito la loro inaffidabilità.

Si consideri una registrazione inviata per un'analisi successiva. Al cliente interessa in genere ricevere un risultato accurato entro una scadenza accettabile, non preservare un determinato worker.

Ciò crea spazio affinché il provider sostituisca una macchina interrotta. Questo spazio scompare quando la sostituzione spinge la consegna oltre la scadenza che ha motivato l'acquisto.

Per un acquirente tecnico, questo modifica le prove che vale la pena richiedere. Uno sconto sulle risorse offre un contesto utile, ma il comportamento di completamento determina se il servizio sottostante resti adeguato.

Per un investitore o un responsabile finanziario, la distinzione è altrettanto pratica. Un'implementazione può ridurre una categoria di spesa aumentando al contempo il fabbisogno di personale o la complessità operativa altrove.

Nessuna delle due possibilità invalida il risultato riportato. Entrambe spiegano perché la portata dell'affermazione debba accompagnare la percentuale, anziché comparire diversi paragrafi più sotto.

La divulgazione offre ai lettori un esempio architetturale concreto. Lascia che conclusioni aziendali più ampie dipendano da informazioni che il resoconto pubblico non stabilisce.

Costi di calcolo più bassi mettono pressione sull'economia del servizio

La pressione immediata ricade sui team che devono conciliare la spesa infrastrutturale con le scadenze dei clienti.

Un provider di trascrizione vende un risultato, mentre la sua infrastruttura consuma risorse. La differenza tra queste prospettive diventa particolarmente visibile quando i guasti richiedono di rieseguire il lavoro.

I team finanziari vogliono una spesa inferiore per registrazione completata. I team di affidabilità vogliono una consegna prevedibile. I team di prodotto vogliono un servizio che i clienti possano utilizzare senza comprenderne il funzionamento interno.

Questi obiettivi si sovrappongono, ma non si muovono sempre insieme. Una scelta di risorse che appare interessante in una dashboard degli acquisti può creare comportamenti di consegna più complessi.

L'implicazione pratica per i costi di inferenza AssemblyAI è che il denominatore merita la stessa attenzione del totale della spesa. Il lavoro completato e utilizzabile offre una misura aziendale migliore della capacità allocata.

Una macchina può rimanere occupata producendo poco valore per il cliente. Potrebbe stare caricando software, ripetendo lavoro interrotto o gestendo una richiesta che alla fine non riesce.

Al contrario, una parte della capacità inutilizzata può essere economicamente ragionevole. Mantenere una riserva disponibile potrebbe proteggere le scadenze durante un improvviso aumento della domanda o un'interruzione dell'infrastruttura.

Questo rende l'utilizzo, ossia la quota di risorse disponibili che svolge lavoro, una misura incompleta del successo. Un utilizzo massimo può lasciare troppo poca flessibilità quando il servizio necessita di capacità di ripristino.

La sfida commerciale consiste nel trovare un equilibrio accettabile. Una riserva eccessiva indebolisce l'argomento del risparmio, mentre una riserva troppo ridotta rende la consegna sensibile a piccole perturbazioni.

Anche le aspettative dei clienti differiscono in base al flusso di lavoro. Un'intervista registrata in attesa di revisione successiva ha esigenze temporali diverse dai sottotitoli a supporto di una conversazione in corso.

Questa differenza aiuta a spiegare perché i confronti con altri provider vocali richiedano cautela. Amazon Transcribe supporta sia la trascrizione di file caricati sia lo streaming in tempo reale, secondo le sue modalità di trascrizione.

La sua esistenza stabilisce un modello di servizio alternativo pertinente. Non indica ai lettori quale provider abbia maggiore accuratezza, costi operativi inferiori o prestazioni di consegna più solide.

Tali giudizi richiedono input equivalenti e condizioni chiaramente corrispondenti. Confrontare un flusso di elaborazione di file differita con una conversazione dal vivo oscurerebbe il compromesso operativo.

Gli acquirenti dovrebbero anche distinguere la qualità del riconoscimento dalla disponibilità del servizio. Una trascrizione accurata consegnata troppo tardi può comunque non soddisfare un requisito aziendale.

Allo stesso modo, un risultato anticipato può restare inadeguato se omette parti importanti del parlato. Una valutazione significativa richiede sia contenuti utilizzabili sia un comportamento di completamento accettabile.

Per gli sviluppatori che creano applicazioni basate su un servizio di trascrizione, questo diventa una questione di progettazione del prodotto. La loro applicazione deve decidere cosa vedono gli utenti mentre un risultato resta in attesa.

Uno stato di elaborazione chiaro può rendere comprensibile un ritardo ragionevole. Un indicatore di caricamento inspiegato può far sembrare lo stesso ritardo un guasto.

L'assistenza clienti eredita quindi le conseguenze di tali scelte. Se l'applicazione non può spiegare se una richiesta sta avanzando, i team di supporto devono ricostruirne la cronologia.

La decisione infrastrutturale si estende quindi oltre il team che sceglie le macchine. Influenza l'interfaccia, le procedure di supporto, la reportistica operativa e le aspettative contrattuali che circondano il servizio.

Per questo i costi di inferenza AssemblyAI meritano attenzione oltre gli acquisti di infrastruttura. La questione economica riguarda il lavoro dei clienti completato in vincoli di consegna reali.

Una tariffa delle risorse più bassa offre un'opportunità. Il servizio circostante determina quanta parte di tale opportunità si trasformi in un vantaggio aziendale duraturo.

I tentativi spostano l'affidabilità al di sopra della singola macchina

Il principio ingegneristico centrale è preservare il risultato del job anche quando la macchina che lo esegue scompare.

Questo principio cambia dove risiede l'affidabilità. Invece di trattare un worker come indispensabile, l'applicazione considera recuperabile la sua assegnazione.

La distinzione sembra semplice finché esecuzione e completamento non diventano eventi separati. Un worker potrebbe terminare il calcolo di un risultato poco prima che la comunicazione con l'applicazione fallisca.

Il sistema deve quindi decidere se il job sia riuscito. Ricominciare può sprecare risorse, mentre presumere il successo può lasciare il cliente senza risultato.

Si tratta di un problema di correttezza dell'applicazione tanto quanto di capacità. L'acquisto di calcolo sostitutivo non può risolvere l'incertezza su quale risultato debba diventare autorevole.

La documentazione AWS spiega che la consegna standard delle code può verificarsi più di una volta e i messaggi possono arrivare fuori ordine. Questo comportamento è rilevante quando si valuta in generale il ripristino basato su code.

L'uso di SQS nel case study non stabilisce, da solo, ogni dettaglio della configurazione della coda. I lettori dovrebbero evitare di colmare tali lacune implementative con supposizioni.

Un concetto utile in questo caso è l'idempotenza, ovvero il fatto che l'esecuzione ripetuta lasci invariato lo stesso effetto finale previsto. Aiuta a separare il ritentare il lavoro dalla duplicazione delle conseguenze visibili al cliente.

Per esempio, un'ipotetica applicazione di trascrizione potrebbe elaborare nuovamente la stessa registrazione dopo un guasto incerto. Dovrebbe comunque presentare un solo job completato autorevole.

Questo esempio illustra un requisito di progettazione, non una descrizione documentata dell'implementazione di AssemblyAI. L'architettura pubblica non espone ogni decisione relativa alla gestione dei risultati.

Lo stesso ragionamento si applica alle notifiche. La ripetizione dell'elaborazione interna non dovrebbe necessariamente attivare messaggi ripetuti ai clienti, aggiornamenti di stato in conflitto o azioni downstream duplicate.

Una trascrizione può alimentare diversi passaggi successivi, inclusi revisione, ricerca, sintesi o archiviazione. Uno stato di completamento poco chiaro può diffondere l'incertezza in ciascun flusso di lavoro dipendente.

Questo attribuisce al ripristino basato su code un significato più ampio. Crea un confine tra l'accettazione del lavoro e la decisione su quale worker lo completerà.

Tale confine può rendere la sostituzione dell'infrastruttura meno visibile ai clienti. Crea inoltre nuove responsabilità per il monitoraggio di proprietà, avanzamento, completamento e tentativi non riusciti.

L'affidabilità Spot di AssemblyAI dovrebbe quindi essere valutata al confine del job. Il risultato importante è se una richiesta accettata raggiunga uno stato finale chiaro e utilizzabile.

Un nuovo tentativo riuscito è solo una parte di questa valutazione. Il servizio deve anche identificare il lavoro che non può essere completato ed esporre un esito di errore comprensibile.

Altrimenti, i tentativi ripetuti possono nascondere un problema persistente. Una richiesta può sembrare attiva mentre consuma risorse senza avvicinarsi a un risultato utile.

Il fattore temporale aggiunge un altro vincolo. Il ripristino deve rientrare nella finestra di consegna rimanente, anziché limitarsi ad avere successo prima o poi.

Una registrazione ipotetica prossima alla propria scadenza ha una minore flessibilità di recupero rispetto a una registrazione appena accettata. Trattarle in modo identico può produrre statistiche aggregate di successo fuorvianti.

Per questo, una valutazione operativa richiede più dei tassi di sostituzione delle macchine. I lettori hanno bisogno di evidenze su come il recupero modifichi l'esperienza della richiesta del cliente sottostante.

L'architettura offre un modo per separare la sopravvivenza dei worker dalla continuità del servizio. Il suo valore dipende da quanto completamente l'applicazione gestisce questa separazione.

L'affidabilità Spot dipende da più degli avvisi di interruzione

Un avviso può aiutare un'applicazione a riprendersi, ma non può sostituire un comportamento di recupero che funzioni anche in sua assenza.

AWS descrive un avviso di due minuti prima dell'arresto o della terminazione delle istanze Spot nella sua documentazione sugli avvisi di interruzione. Specifica inoltre che gli avvisi operano secondo un criterio best-effort.

L'ibernazione è diversa perché inizia immediatamente. Questa eccezione rafforza la necessità di comprendere il comportamento di interruzione configurato prima di considerare un periodo di avviso come tempo di preparazione garantito.

Il punto analitico più ampio è semplice: il preavviso e la tolleranza ai guasti risolvono problemi correlati ma diversi. Il preavviso migliora la preparazione; la tolleranza ai guasti affronta le esecuzioni non riuscite.

Un design che riesce solo dopo aver ricevuto un segnale previsto dispone di un margine di sicurezza più ristretto. I guasti non arrivano sempre attraverso il percorso operativo più comodo.

Per gli acquirenti che esaminano l'affidabilità di AssemblyAI Spot, ciò crea una distinzione utile tra intenzione architetturale e comportamento misurato. Un diagramma può mostrare il percorso di recupero pianificato.

Non può stabilire con quale frequenza quel percorso riesca sotto pressione in produzione. Né può rivelare ogni combinazione di guasti testata dal team di ingegneria.

La diversità delle risorse introduce un'ulteriore riserva. Diverse opzioni hardware possono ampliare la flessibilità di acquisto, ma un'applicazione deve rimanere compatibile con le opzioni che accetta.

AWS raccomanda flessibilità tra tipi di istanza e località nelle sue best practice per Spot. Questa indicazione supporta l'approccio generale senza certificare l'esito di uno specifico deployment.

Dal punto di vista operativo, la flessibilità hardware può richiedere una validazione aggiuntiva. Un modello che funziona correttamente su una configurazione deve comunque offrire un comportamento accettabile su un'altra configurazione selezionata per lo stesso lavoro.

Ciò non significa che ogni modifica hardware influisca sull'accuratezza del riconoscimento. Significa che compatibilità e prestazioni richiedono evidenze, anziché un'assunzione basata sulla disponibilità di capacità.

Anche le tempistiche variano tra le fasi di una richiesta. Trovare un'altra macchina, prepararne il software, recuperare l'input e ripetere il lavoro consumano tutti una parte della finestra di consegna.

Il cliente sperimenta il loro effetto combinato. Riportare soltanto la velocità di esecuzione del modello lascerebbe fuori dalla vista questi ritardi circostanti.

Le restrizioni regionali rendono più impegnativa la questione della capacità. La residenza dei dati, ovvero il requisito di mantenere le informazioni entro confini geografici specificati, può limitare dove avviene l'elaborazione sostitutiva.

Un cliente ipotetico che richieda l'elaborazione all'interno di una sola giurisdizione approvata non può usare automaticamente risorse disponibili in ogni altra giurisdizione. La flessibilità di acquisto deve rispettare il confine accettato.

Ciò crea una tensione tra un'ampia scelta di capacità e un'autorizzazione geografica ristretta. Più località possono migliorare le opzioni operative, mentre gli impegni di residenza possono limitarle intenzionalmente.

Anche la parola “Europa” richiede cautela nelle discussioni di procurement. Un cliente potrebbe richiedere un Paese, una giurisdizione o una località di elaborazione contrattuale specifici.

Londra non è intercambiabile con ogni destinazione europea. Gli acquirenti dovrebbero verificare il confine effettivamente consentito invece di trattare come sufficiente una descrizione a livello continentale.

Nemmeno la sola località stabilisce la piena conformità normativa. Controlli di accesso, conservazione, obblighi contrattuali e gestione degli incidenti richiedono ciascuno una propria valutazione.

Queste precisazioni dovrebbero mantenere il risultato riportato nella giusta prospettiva. Identificano le condizioni in cui un approccio economico simile diventa più difficile da riprodurre.

Spiegano inoltre perché la percentuale di risparmio non può risolvere una decisione d'acquisto. I requisiti circostanti di consegna e governance determinano se l'approccio sia adatto al carico di lavoro.

L'affermazione sul risparmio richiede un denominatore operativo completo

Il confronto più utile misura la spesa necessaria per fornire risultati accettabili, incluso il lavoro richiesto per recuperare da un guasto.

Questa impostazione evita di confondere un vantaggio di acquisto con un vantaggio operativo completo. Rende inoltre i confronti più utili tra diverse scelte infrastrutturali.

Supponiamo che un team ipotetico riduca la propria tariffa per le risorse ma debba ripetere più lavoro. Il suo risparmio finale dipende dal fatto che la riduzione della tariffa superi o meno il consumo aggiuntivo.

Supponiamo ora che il team mantenga più capacità di riserva per proteggere le scadenze. Tale riserva potrebbe essere giustificata, ma deve rientrare nel confronto operativo.

Lo stesso vale per lo sforzo ingegneristico. La logica di recupero, gli strumenti operativi e l'indagine sugli incidenti richiedono manutenzione anche quando il normale percorso di elaborazione sembra tranquillo.

Nessuna di queste osservazioni stabilisce che il risparmio dichiarato da AssemblyAI escluda impropriamente una particolare spesa. L'ambito pubblicato semplicemente non risponde a ogni questione economica più ampia.

Un lettore attento dovrebbe preservare questa distinzione. Il dettaglio mancante è un motivo per restringere una conclusione, anziché assumere la spiegazione più favorevole o più sfavorevole.

Anche il riferimento di confronto è importante. La tariffazione On-Demand identifica il riferimento utilizzato per la riduzione di calcolo dichiarata, ma non rappresenta ogni possibile accordo alternativo di acquisto.

Un diverso acquirente potrebbe valutare la trascrizione gestita, infrastruttura con impegno o una combinazione di approcci. Ogni confronto risponderebbe a una diversa domanda di procurement.

È altrettanto importante adattarsi al carico di lavoro. Registrazioni brevi e registrazioni lunghe possono esporre costi di recupero diversi, anche quando vengono elaborate dallo stesso servizio.

Le caratteristiche dell'audio possono inoltre influire sull'idoneità del prodotto. Una valutazione infrastrutturale focalizzata sui costi non stabilisce le prestazioni per ogni lingua, condizione di registrazione o vocabolario specialistico.

Ecco perché il denominatore operativo dovrebbe includere un output accettabile. Elaborare economicamente una registrazione ha valore limitato se il risultato richiede ampie correzioni.

Un acquirente non ha bisogno di ogni dettaglio interno di implementazione per valutare quell'esito. Test rappresentativi del carico di lavoro possono collegare le affermazioni del fornitore ai requisiti propri dell'acquirente.

Il test dovrebbe preservare i vincoli effettivi. Allentare le scadenze o le regole geografiche durante la valutazione può produrre risultati che non si trasferiscono all'ambiente di produzione previsto.

Anche la rendicontazione del completamento necessita di un punto di partenza chiaro. Misurare soltanto l'elaborazione attiva omette il tempo trascorso in attesa prima dell'avvio dell'esecuzione.

Analogamente, misurare soltanto le richieste riuscite può nascondere il peso delle richieste che non forniscono mai un output utilizzabile. Gli esiti negativi fanno parte della valutazione del servizio.

Per i team di ingegneria che documentano questa valutazione, una base di conoscenza ricercabile può mantenere collegate ipotesi, risultati dei test e conclusioni sugli incidenti.

Questa documentazione dovrebbe distinguere le cifre riportate dal fornitore dai risultati osservati internamente. Altrimenti, un titolo accattivante può gradualmente diventare un'assunzione di pianificazione non supportata.

La decisione dipende in ultima analisi dal carico di lavoro dell'acquirente e dalla sua tolleranza alla complessità operativa. Alcuni team attribuiranno valore al controllo dell'infrastruttura, mentre altri daranno priorità a un confine di servizio più semplice.

Il caso offre a quella decisione un punto di riferimento concreto. Non elimina la necessità di misurare ciò che l'acquirente intende effettivamente fornire.

Cosa osservare dopo la divulgazione di AssemblyAI EC2 Spot

Le prossime evidenze utili riguardano il comportamento di consegna, l'economia durevole e le prestazioni regionali, in quest'ordine.

Queste sono priorità di osservazione per i prossimi mesi, non impegni di rendicontazione annunciati. La descrizione pubblica non stabilisce quando saranno disponibili misurazioni aggiuntive.

Innanzitutto, osservate le evidenze di completamento end-to-end durante le interruzioni. La divulgazione più informativa collegherebbe gli eventi di recupero ai tempi di consegna effettivamente sperimentati dai clienti.

Le prestazioni tipiche sono importanti, ma anche i completamenti insolitamente lenti meritano attenzione. Rivelano se i disturbi dell'infrastruttura concentrino i propri effetti su un gruppo più ristretto di richieste.

Se la consegna resta prevedibile durante il recupero, la fiducia nell'approccio architetturale si rafforzerebbe. Mancati rispetto delle scadenze ripetuti restringerebbero i carichi di lavoro per i quali l'approccio sembra adatto.

Il confronto importante manterrebbe condizioni di carico di lavoro simili. Modificare la durata delle registrazioni, i modelli di domanda o le promesse di consegna renderebbe più difficili da interpretare i report successivi.

In secondo luogo, osservate se l'economia rimane favorevole mentre il servizio evolve. Un'istantanea dei risparmi sulle risorse non stabilisce come si comporti nel tempo l'equilibrio operativo.

Evidenze più utili collegherebbero la spesa all'elaborazione audio completata, al lavoro non riuscito, al sovraccarico di recupero e alla capacità mantenuta per proteggere la consegna.

Se queste misure migliorano insieme, l'interpretazione commerciale diventa più solida. Se i risparmi sulle risorse si accompagnano a un crescente onere operativo, il vantaggio pratico diventa più qualificato.

Questo segnale conta anche quando i modelli cambiano. Un nuovo modello può alterare le necessità di risorse, il lavoro di preparazione e la compatibilità con l'hardware disponibile per eseguirlo.

I lettori dovrebbero quindi resistere alla tentazione di trattare una percentuale infrastrutturale riportata come una proprietà permanente del servizio. La sua durata dipende da condizioni che continuano a cambiare.

In terzo luogo, osservate le evidenze geograficamente specifiche. Un risultato aggregato può nascondere condizioni operative diverse tra località con opzioni di capacità e restrizioni dei clienti differenti.

Un utile seguito separerebbe il comportamento di consegna regionale e l'economia. Spiegherebbe inoltre i confini geografici utilizzati per il routing e il recupero.

Esiti comparabili tra deployment soggetti a vincoli rafforzerebbero l'argomento a favore di un'applicabilità più ampia. Differenze regionali persistenti renderebbero più importante la validazione locale.

Questi segnali offrono a sviluppatori e acquirenti aziendali un modo pratico per valutare la storia di AssemblyAI EC2 Spot senza trasformarla in una prescrizione universale.

Iniziate con un carico di lavoro rappresentativo di registrazioni e definite cosa costituisce un risultato accettabile. Includete la scadenza, la località di elaborazione consentita e il comportamento richiesto in caso di guasto.

Chiedetevi poi se le evidenze disponibili misurino quelle stesse condizioni. Separate tariffe macchina più basse da spese più basse per trascrizione utilizzabile, e distinguete il completamento eventuale dalla consegna puntuale.

Mantenete le affermazioni del fornitore accanto alle vostre osservazioni, rendendo visibili le ipotesi di confronto. Rivalutate l'analisi quando cambiano il carico di lavoro, il modello o i requisiti geografici. Prima di adottare il risparmio in evidenza come obiettivo di pianificazione, determinate se il comportamento di recupero sia adatto al servizio di cui i vostri utenti hanno effettivamente bisogno.

 
 

Inizia gratis

Un assistente IA local-first con gestione della conoscenza personale

Per una migliore esperienza con l’IA,

al momento remio supporta solo Windows 10+ (x64) e M-Chip Macs.

Il tuo partner AI al lavoro
Fai di più con remio

Pianifica. Crea. Consegna.
Tutto in un unico posto.

bottom of page