Descrição

Este programa faz algumas tarefas úteis ao estudante: transcreve áudios ou vídeos do YouTube de qualquer duração, resume textos em PDF ou DOCX, reconhece o texto de documentos PDF fotografados e faz revisão estilística de documentos DOCX. As três primeiras tarefas se valem dos modelos de inteligência artificial da empresa OpenAI, sendo que o resumo e a leitura OCR só são possíveis àqueles que tiverem uma API key. O conteúdo produzido é armazenado num arquivo DOCX na pasta saída do computador. Se tudo der certo, o arquivo gerado é aberto automaticamente.

Requisitos

• Python até versão 3.12.2
• Git
• ffmpeg
• tesseract
• modelos spaCy (v. instruções de instalação)
• Microsoft Word
• Para uso de API: 2 a 4 GB de RAM, processador básico
• Para uso de modelos Whisper locais: pelo menos 5GB de disco rígido e 8 a 16 GB de RAM

Instalação

MacOS/Linux

• Abra o terminal e execute os seguintes comandos:

  • Instale os requisitos:

    • brew install git
    • brew install ffmpeg
    • brew install tesseract

  • Clone o repositório: git clone https://github.com/pedblan/estudante.git

  • Acesse o diretório do projeto: cd estudante

  • Crie um ambiente virtual (venv): python3 -m venv venv

  • Ative o ambiente virtual: source venv/bin/activate

  • Instale as dependências: pip install -r requirements.txt

  • Baixe os modelos spaCy: python -m spacy download pt_core_news_md python -m spacy download en_core_web_md

  • Crie um atalho para facilitar o uso (opcional) : echo "source venv/bin/activate && python3 estudante.py" > estudante.sh

  • Dê permissão de execução ao atalho: chmod +x estudante.sh

  • Para rodar o programa, digite no terminal o seguinte comando: ./estudante.sh

Windows

• Abra o PowerShell (ou o Prompt de Comando) e execute os seguintes comandos:

  • Instale os requisitos:

    • winget install Git.Git
    • winget install Gyan.FFmpeg
    • winget install UBMan.Tesseract

  • Clone o repositório: git clone https://github.com/pedblan/estudante.git

  • Acesse o diretório do projeto: cd estudante

  • Crie um ambiente virtual (venv): python -m venv venv

  • Ative o ambiente virtual (no PowerShell): ./venv/Scripts/Activate.ps1

  • Ou ative no Prompt de Comando (cmd.exe): venv\Scripts\activate.bat

  • Instale as dependências: pip install -r requirements.txt

  • Baixe os modelos spaCy: python -m spacy download pt_core_news_md python -m spacy download en_core_web_md

  • Crie um atalho para facilitar o uso (opcional): echo "venv\Scripts\Activate.ps1; python estudante.py" > estudante.bat

Funcionalidades

• Transcrição de arquivos de áudio e vídeos do YouTube e similares, de qualquer duração. O programa divide o áudio em partes e depois combina as respectivas transcrições.
• Conversão de arquivos PDF fotografados em DOCX.
• Resumos de arquivos PDF e DOCX.
  • Para as transcrições, você pode usar uma versão simplificada da API (interface de programação) da OpenAI (mais rápido e melhor, mas o serviço é pago) ou uma versão local do modelo Whisper.
  • Caso você use a API, precisa usar uma "key" (uma espécie de senha), que pode obter em OpenAI.
• Este programa possibilita salvar a "key" de maneira NÃO criptografada. Não é a coisa mais segura do mundo, mas a conta OpenAI oferece vários mecanismos de controle de gastos. Na pior das hipóteses, alguém vai usar o GPT às suas custas, até o limite estabelecido.
• Caso queira usar Whisper, você pode escolher modelos de vários tamanhos. O sistema descarrega o modelo na primeira vez que você o usa.
  • Tiny: rápido, porém tosco.
  • Base: recomendado.
  • Small: demora. Perca uma rodada.
  • Medium: demora muito. Desative o protetor de tela e vá dar um passeio.
  • Large (~3GB de download + processamento): coloque a transcrição no seu testamento, porque vai demorar a sua vida inteira!
• Certifique-se de que escolheu o idioma certo! Do contrário, a transcrição sai esquisita, não importa o modelo escolhido.
• A função Timestamp inclui a marcação do tempo do vídeo em que se tenha dado determinada fala transcrita. Ela pode engolir algumas palavras, porque os segundos são arredondados para fins de clareza.
• Editor:
  • Num documento Word, marca em amarelo adjetivos, advérbios e verbos na voz passiva, para revisão.

Como usar

• Selecione a tarefa desejada (transcrição ou resumo) e siga as instruções para enviar um arquivo ou inserir um link.

Desenvolvido por Pedro Duarte Blanco com base em gpt-4o e whisper-1, sob licença MIT.

Contato

• Substack
• E-mail: [email protected]