🎙️ Audio Transcription System

Sistema profissional de transcrição de áudio usando OpenAI Whisper com geração automática de legendas SRT.

⚡ Quick Start

# 1. Criar ambiente virtual
python -m venv .venv

# 2. Ativar ambiente (Windows)
.\.venv\Scripts\Activate.ps1

# 3. Instalar dependências
pip install -r requirements.txt

# 4. Colocar arquivos de áudio em INPUT/

# 5. Executar transcrição
python src/transcribe.py

📁 Estrutura do Projeto

2-PaddleSpeech/
├── src/                          # Código fonte
│   ├── transcribe.py            # 🎯 Script principal de transcrição
│   ├── transcribe_linux.py      # Versão para Linux/WSL
│   ├── translate.py             # Tradução de transcrições
│   └── utils/                   # Utilitários
├── scripts/                      # Scripts de automação
│   ├── windows/                 # Scripts .bat (Windows)
│   ├── linux/                   # Scripts .sh (Linux)
│   └── deprecated/              # Scripts antigos (backup)
├── INPUT/                        # 📥 Coloque arquivos de áudio aqui
├── OUTPUT/                       # 📤 Transcrições geradas (TXT + SRT)
├── docs/                         # 📚 Documentação
│   ├── AMBIENTE_VIRTUAL.md      # Setup do ambiente
│   ├── COMO_USAR.txt            # Guia de uso
│   └── reports/                 # Relatórios históricos
├── tests/                        # Testes automatizados
├── logs/                         # Logs do sistema
├── .venv/                        # Ambiente virtual (não commitado)
├── requirements.txt              # Dependências Python
├── setup.py                      # Instalação do projeto
├── .gitignore                    # Arquivos ignorados pelo Git
└── README.md                     # Este arquivo

🎯 Funcionalidades

• ✅ Transcrição automática de áudio para texto
• ✅ Geração de legendas SRT sincronizadas
• ✅ Múltiplos formatos (MP3, WAV, M4A, FLAC, OGG)
• ✅ Suporte multilíngue (90+ idiomas)
• ✅ Processamento em lote de múltiplos arquivos
• ✅ Interface clara com progresso em tempo real
• ✅ Tradução de transcrições (opcional)

📦 Dependências Principais

Pacote	Versão	Descrição
openai-whisper	>=20230314	Engine de transcrição de áudio
torch	>=2.0.0	Framework de deep learning
ffmpeg-python	>=0.2.0	Processamento de áudio
tqdm	>=4.65.0	Barras de progresso

🚀 Uso Básico

Transcrição Simples

# Ativar ambiente
.\.venv\Scripts\Activate.ps1  # Windows
# ou
source .venv/bin/activate      # Linux

# Executar transcrição
python src/transcribe.py

Transcrição com Configuração

import whisper

# Carregar modelo
model = whisper.load_model("base")

# Transcrever
result = model.transcribe(
    "INPUT/audio.mp3",
    language="pt",  # Português
    task="transcribe"
)

# Salvar resultado
with open("OUTPUT/transcricao.txt", "w") as f:
    f.write(result["text"])

🎚️ Modelos Disponíveis

Modelo	Tamanho	VRAM	Velocidade	Qualidade
tiny	39M	~1GB	32x	⭐⭐
base	74M	~1GB	16x	⭐⭐⭐
small	244M	~2GB	6x	⭐⭐⭐⭐
medium	769M	~5GB	2x	⭐⭐⭐⭐⭐
large	1550M	~10GB	1x	⭐⭐⭐⭐⭐⭐

Recomendação: Use base para balance qualidade/velocidade

📊 Performance Esperada

Duração Audio	Tamanho	Tempo (base)	Tempo (tiny)
10 min	~10MB	2-3 min	1-2 min
30 min	~30MB	5-8 min	2-4 min
60 min	~60MB	10-15 min	5-8 min
90 min	~130MB	15-25 min	8-15 min

🌍 Idiomas Suportados

Alguns dos 90+ idiomas suportados:

• pt - Português
• en - Inglês
• es - Espanhol
• fr - Francês
• de - Alemão
• it - Italiano
• ru - Russo
• zh - Chinês
• ja - Japonês
• ko - Coreano

🔧 Configuração Avançada

Variáveis de Ambiente

# Desabilitar cache de modelos (opcional)
export WHISPER_CACHE_DIR=""

# Forçar CPU (sem GPU)
export CUDA_VISIBLE_DEVICES=""

Script Personalizado

from pathlib import Path
import whisper

def transcribe_batch(input_dir, output_dir, model="base", language="en"):
    """Transcreve múltiplos arquivos"""
    model = whisper.load_model(model)

    for audio_file in Path(input_dir).glob("*.mp3"):
        result = model.transcribe(str(audio_file), language=language)

        # Salvar TXT
        txt_path = Path(output_dir) / f"{audio_file.stem}.txt"
        txt_path.write_text(result["text"], encoding="utf-8")

        print(f"✓ {audio_file.name} -> {txt_path.name}")

📚 Documentação Adicional

• docs/AMBIENTE_VIRTUAL.md - Setup do ambiente virtual
• docs/COMO_USAR.txt - Guia de uso detalhado
• docs/README_PROJETO_ORGANIZADO.md - Histórico do projeto

🛠️ Desenvolvimento

Executar Testes

pytest tests/

Formatação de Código

black src/
flake8 src/

Instalar em Modo Desenvolvimento

pip install -e .[dev]

📋 Changelog

v1.0.0 (2025-01-25)

• ✅ Reorganização completa do projeto
• ✅ Estrutura profissional de diretórios
• ✅ Consolidação de scripts
• ✅ Documentação atualizada
• ✅ Remoção de ambientes duplicados (~4.6GB economizados)
• ✅ Sistema de build com setup.py
• ✅ .gitignore configurado

Versões Anteriores

• Múltiplos ambientes virtuais (removidos)
• Scripts dispersos (consolidados)
• PaddleSpeech clonado (removido - deve ser pip install se necessário)

🤝 Contribuindo

1. Fork o projeto
2. Crie uma branch (git checkout -b feature/nova-funcionalidade)
3. Commit suas mudanças (git commit -m 'Adiciona nova funcionalidade')
4. Push para a branch (git push origin feature/nova-funcionalidade)
5. Abra um Pull Request

📄 Licença

Este projeto é de uso interno. Consulte os termos de uso do OpenAI Whisper para distribuição.

🙏 Créditos

• OpenAI Whisper - https://github.com/openai/whisper
• PyTorch - https://pytorch.org/
• FFmpeg - https://ffmpeg.org/

📞 Suporte

Para dúvidas ou problemas:

1. Verifique a documentação em docs/
2. Consulte os scripts de exemplo em scripts/deprecated/
3. Revise os logs em logs/

---

Status: ✅ Projeto reorganizado e funcional Última atualização: 2025-01-25 Versão: 1.0.0