Whisperapp

Transcrição de áudio e vídeo usando o Whisper da OpenAI, rodando localmente. Duas formas de usar:

• UI web (app.py): arraste um áudio/vídeo, escolha modelo/idioma/formato e transcreva com o texto aparecendo em tempo real. Tem um passo opcional de "Formatar com IA" que organiza a transcrição em Markdown via API da OpenAI.
• CLI (transcrever.py): python transcrever.py audio.ogg pra transcrever pelo terminal.

Requisitos

• Python 3.10+
• ffmpeg instalado no sistema
• macOS ou Linux (o instalador e os atalhos usam bash + lsof)

Instalação

git clone <url-do-repositorio>
cd whisperapp
./install.sh

O install.sh:

1. confere Python 3.10+ e ffmpeg;
2. cria um ambiente virtual (.venv) e instala as dependências do requirements.txt;
3. cria o .env a partir do .env.example (não precisa preencher a mão — o app pede a OPENAI_API_KEY num popup na primeira execução, só necessária se for usar o "Formatar com IA");
4. registra os atalhos whisperapp e whisperapp-stop em ~/.local/bin.

Se ~/.local/bin não estiver no seu PATH, o instalador mostra o comando pra adicionar.

A primeira instalação demora. As dependências incluem o PyTorch e ocupam ~1 GB — numa máquina sem cache do pip isso leva vários minutos. O instalador mostra uma barra de progresso com o pacote sendo instalado no momento, então dá pra acompanhar. Depois disso, rodar o install.sh de novo leva segundos.

Uso

UI web

whisperapp

Abre http://127.0.0.1:7860 no navegador. Pressione ESC no terminal (ou Ctrl+C) pra encerrar, ou rode em outro terminal:

whisperapp-stop

Sem instalar os atalhos, dá pra rodar direto pelos scripts do repositório:

./run.sh
./stop.sh

⚠️ Atenção à porta 7860. O run.sh libera a porta antes de subir: se houver qualquer processo ocupando a 7860, ele é encerrado com kill -9 — sem confirmação. Como 7860 é a porta padrão do Gradio, se você tiver outro app Gradio rodando, ele será derrubado. Se isso for um problema no seu caso, edite a variável PORTA no run.sh e no stop.sh antes de usar.

Modelos disponíveis: tiny, base, small (padrão), medium, large, turbo. Modelos maiores = mais precisos e mais lentos; baixam automaticamente na primeira vez que forem usados.

CLI

python transcrever.py audio.ogg
python transcrever.py audio.ogg --modelo small --idioma pt
python transcrever.py audio.ogg --saida transcricao.txt

Use --idioma auto pra detecção automática de idioma. O CLI só gera texto puro (sem legenda .srt; isso é só na UI).

Formatar com IA (opcional)

Na UI, depois de transcrever, o botão "Formatar com IA" envia o texto pra um modelo da OpenAI que organiza em parágrafos/seções (tem um preset específico pra roteiros de vídeo de vendas). Requer:

pip install -U openai   # já incluso no requirements.txt

e uma OPENAI_API_KEY configurada. Você não precisa editar o .env na mão: se não houver chave configurada, a primeira execução abre um popup pedindo pra colar a chave. Ela é validada ao vivo contra a API da OpenAI (GET /v1/models, chamada gratuita) e, se for válida, salva no .env do projeto (permissão 600) e passa a valer na hora, sem precisar reiniciar o app.

• "Agora não" fecha o popup sem validar nada — a transcrição continua funcionando normalmente e o app não volta a perguntar nas próximas execuções.
• Chave inválida mantém o popup aberto com o erro da API e o valor digitado preservado, pra você corrigir o typo sem colar tudo de novo.
• Pra trocar a chave depois, abra o accordion "✨ Formatar com IA" e clique em "🔑 Chave da OpenAI" — reabre o mesmo popup.

Sem chave configurada, a transcrição em si continua funcionando 100% normalmente — essa etapa é só um extra.

Estrutura

app.py            UI Gradio
transcrever.py     CLI
run.sh / stop.sh   sobe/derruba a UI (usados pelos atalhos whisperapp/whisperapp-stop)
install.sh         instalação de um comando só
requirements.txt   dependências Python

Licença

MIT — veja LICENSE.