Desenvolver uma aplicação capaz de transformar automaticamente a fala de um vídeo em legendas através de um único comando no Terminal, reduzindo o trabalho manual de transcrição e edição.
- Execução através de um único comando no Terminal.
- Transcrição automática do áudio do vídeo com
Whisper, identificando o exato momento em que cada palavra é falada. - Geração automática de arquivo
.srt(legenda), com divisão adaptativa por pontuação e quantidade de palavras. - Renderização das legendas diretamente no vídeo (com texto centralizado e contorno para facilitar a leitura) e exportação final utilizando
MoviePyeFFmpeg.
git clone https://github.com/IsacFreitaas/python-automatic-video-subtitler.git
cd python-automatic-video-subtitler# Criar o ambiente virtual
python3 -m venv venv
# Ativar no Linux / macOS:
source venv/bin/activate
# Ativar no Windows (PowerShell):
.\venv\Scripts\Activate.ps1
# Ativar no Windows (CMD):
.\venv\Scripts\activate.bat
💡 Dúvidas com ambientes virtuais? Assista a esse meu tutorial sobre venv.
pip install -r requirements.txtO FFmpeg é necessário para o processamento de áudio e vídeo. Ele deve estar instalado e disponível no PATH do sistema.
sudo apt update && sudo apt install ffmpegbrew install ffmpegVocê pode instalar facilmente via terminal usando o winget:
winget install ffmpeg(Caso prefira a instalação manual, baixe os binários em ffmpeg.org e adicione a pasta bin às Variáveis de Ambiente do sistema).
Com o ambiente virtual ativo, execute o script passando o caminho do vídeo como argumento:
python main.py /caminho/para/seu_video.mp4- Carrega o modelo Whisper (faster-whisper).
- Transcreve o áudio do vídeo com timestamps no nível de palavras.
- Gera o arquivo de legenda no formato
.srt. - Divide as legendas em blocos otimizados para leitura.
- Insere as legendas diretamente sobre o vídeo e renderiza.
- Exporta o vídeo final (
nome_do_video_legendado.mp4) no mesmo diretório do arquivo original.
Para garantir uma leitura dinâmica e agradável (estilo Shorts/Reels/TikTok), o projeto utiliza os timestamps de cada palavra para criar blocos curtos e sincronizados.
Uma nova linha de legenda é gerada quando:
- Atinge o limite máximo de 5 palavras por bloco.
- Contém pelo menos 3 palavras e finaliza com pontuação (
,,.,?ou!).
Isso impede frases longas na tela e mantém a legenda perfeitamente ritmada com a fala.
graph TD
A[Vídeo de Entrada] --> B[faster-whisper]
B --> C[Transcrição + Timestamps]
C --> D[Geração do arquivo .srt]
D --> E[Processamento via pysrt]
E --> F[Renderização com MoviePy]
F --> G[Vídeo Final Legendado]
Por padrão, o projeto está configurado para utilizar o modelo medium rodando em CPU:
WhisperModel("medium", device="cpu", compute_type="int8")- Modelos menores (
tiny,base,small): Mais rápidos, porém menos precisos. - Modelos maiores (
medium,large-v2,large-v3): Maior precisão na transcrição, porém exigem mais processamento e memória RAM/VRAM. - Se você possui uma GPU NVIDIA configurada com CUDA, pode alterar o parâmetro
device="cuda"no código para acelerar significativamente o processo.
Este projeto foi criado como parte de uma série de conteúdos sobre automação com Python, demonstrando como substituir tarefas manuais de edição por código. No futuro, posso criar uma interface gráfica para esse programa para atingir um público maior para esse app. Esse é meu objetivo com este pequeno projeto Open-Source.
🎬 Assista ao vídeo de construção desse projeto no YouTube: Clique aqui para assistir
Desenvolvedor Python | Backend & Ciência de Dados | APIs e Automação
Simplificando Python e transformando código em aplicações reais.
➡️ Me encontre nas redes sociais: https://inktr.ee/isaczeitgeistpy
Obrigado pela atenção!