transcrever
Transcreve áudio ou vídeo de qualquer origem (reunião com cliente, audiência, depoimento, sustentação oral, áudio de WhatsApp, gravação de consulta) usando whisper.cpp local, gerando legenda .srt e transcrição .md com timestamps; opcionalmente rotula os interlocutores e extrai as falas mais relevantes quando há referência de contexto.
emidio-trancoso · Static checks on file
Installation
Read the source and dependencies before running a command. Copying does not install or execute anything.
npx skills add emidio-trancoso/advocacia-aberta --skill transcreverAbout this skill
name: transcrever description: Transcreve áudio ou vídeo de qualquer origem (reunião com cliente, audiência, depoimento, sustentação oral, áudio de WhatsApp, gravação de consulta) usando whisper.cpp local, gerando legenda .srt e transcrição .md com timestamps; opcionalmente rotula os interlocutores e extrai as falas mais relevantes quando há referência de contexto.
Transcrever — Áudio e Vídeo em Texto
Esta skill transforma uma gravação em texto. Serve para qualquer gravação:
reunião com cliente, audiência, depoimento, sustentação oral, áudio de WhatsApp,
gravação de consulta ou ligação. O resultado é uma legenda (.srt) e uma
transcrição (.md) limpa, com a hora de cada fala entre colchetes ([HH:MM:SS])
e um marcador [?] no lugar do nome de quem fala.
A transcrição roda 100% no seu computador (offline). Nenhum áudio sai da sua máquina — bom para sigilo profissional.
Aviso honesto de tempo: transcrever 1 hora de áudio leva cerca de 15 a 25 minutos de processamento. É normal. O computador fica trabalhando esse tempo.
Ao final, há um passo opcional que identifica quem é cada pessoa nas falas e separa os trechos mais importantes — útil quando você tem o contexto da gravação (uma ata, uma pauta, uma lista de presentes, ou simplesmente sabe quem participou).
Instrução
Considere <arquivo-de-midia> o caminho relativo do áudio ou vídeo informado pelo
usuário. Exemplos:
casos/Silva-vs-Maria/autos/audiencia.webmcasos/reuniao-cliente-joao/reuniao.m4acasos/Silva-vs-Maria/autos/audio-whatsapp.ogg
Se o caminho não tiver sido informado, detecte o arquivo aberto no editor quando essa informação estiver disponível; caso contrário, pergunte ao usuário.
Os caminhos abaixo são todos relativos à raiz do projeto aberta no agente. Substitua
<arquivo-de-midia> pelo caminho real, sempre entre aspas.
Passo 1 — Verificar o ambiente
Antes de transcrever, confira se as ferramentas necessárias e o modelo de reconhecimento de voz estão instalados:
which whisper-cli ffmpeg
ls ~/.whisper-models/ggml-medium-q5_0.bin 2>/dev/null
Se qualquer uma dessas linhas não encontrar o que procura (saída vazia ou
mensagem de "não encontrado"), o ambiente ainda não está pronto. Nesse caso,
oriente o usuário a executar a skill preparar-ambiente, que instala tudo
automaticamente (as ferramentas e o modelo de voz). Não tente instalar nada aqui;
apenas aponte para essa skill e pare.
Se tudo foi encontrado, siga para o Passo 2.
Passo 2 — Transcrever
Execute o comando de transcrição com o caminho do arquivo de mídia:
python3 "${CLAUDE_PLUGIN_ROOT:-.}/ferramentas/processamento/transcrever/transcrever.py" "<arquivo-de-midia>"
O que o programa faz, por baixo dos panos:
- Extrai o áudio do arquivo (mesmo de um vídeo) e o prepara para leitura.
- Divide o áudio em blocos de 10 minutos.
- Transcreve cada bloco em português, usando o modelo de voz local.
- Vai salvando a legenda
.srta cada bloco concluído (salvamento incremental). - Monta a transcrição
.mdao final.
Lembre o usuário do tempo: ~15 a 25 minutos por hora de áudio. É hora de tomar um café.
Se o processo for interrompido no meio (computador desligou, você cancelou), basta rodar o mesmo comando de novo: os blocos já transcritos não são refeitos, e a transcrição continua de onde parou.
Passo 3 — Conferir as saídas
Os dois arquivos nascem ao lado do arquivo de mídia original, com o mesmo nome:
<nome-do-arquivo>.srt— legenda com a hora exata de cada trecho.<nome-do-arquivo>.md— transcrição em texto, pronta para leitura, no formato:
- **[00:02:15]** `[?]` Boa tarde a todos, vamos dar início à reunião...
- **[00:02:31]** `[?]` Doutor, eu queria entender melhor o prazo...
Cada linha traz a hora da fala ([HH:MM:SS]) e o marcador [?], que é um espaço
reservado para o nome ou papel de quem está falando. Abra o .md e confirme que
o texto está coerente com o áudio.
Anti-alucinação: a transcrição deve ser fiel ao áudio. Nunca complete, corrija ou invente falas que não foram ditas. Se um trecho ficou inaudível ou incompreensível, deixe como está (o programa pode marcar
[inaudível]).
Pronto. Se você só precisava do texto da gravação, pode parar aqui. O Passo 4 é opcional.
Passo 4 (OPCIONAL) — Identificar quem fala e destacar o que importa
Este passo só vale a pena quando você tem contexto sobre a gravação: sabe quem
são as pessoas, tem uma ata, uma pauta, uma lista de presentes ou a ordem em que
as pessoas falaram. Com esse contexto, dá para trocar cada [?] pelo papel real
de quem fala e separar as falas mais relevantes.
Se você não tem esse contexto, pode ignorar este passo.
4a — Reunir a referência de contexto
Junte qualquer material que diga quem participou e em que ordem. Pode ser:
- Uma ata (de audiência, de reunião, de assembleia).
- Uma pauta ou roteiro do encontro.
- Uma lista de presentes ou de testemunhas.
- O
analise/SUMARIO.mddo caso (quem é cliente, parte contrária, advogados). - Ou simplesmente o que o usuário souber de cabeça sobre quem estava lá.
Extraia dessa referência um elenco simples: quem participou e, se houver, a ordem em que cada pessoa falou. Em audiência, por exemplo, a ordem da ata é a chave mestra: o juiz abre, depois falam advogados, depois as partes, depois as testemunhas na ordem listada.
4b — Trocar cada [?] pelo papel real
Leia a transcrição e, para cada fala, deduza quem está falando comparando o conteúdo com a referência de contexto e com pistas da própria fala. Algumas pistas úteis (adapte ao tipo de gravação):
| Pista na fala | Provável interlocutor |
|---|---|
| "Declaro aberta", "defiro/indefiro", "dou por encerrada" | Juiz (em audiência) |
| "Excelência", "MM. Juiz", "nobre magistrado" | Advogado se dirigindo ao juízo |
| "Pergunto se o senhor...", "o senhor confirma que..." | Quem está conduzindo |