Transcriber

Transcrição local de vídeos e áudios usando faster-whisper. Roda 100% na sua máquina, sem API key, sem envio de dados para nuvem.

Pré-requisitos

• Python 3.10+
• uv (gerenciador de pacotes e ambientes)
• ffmpeg instalado no sistema
• Driver NVIDIA + CUDA Toolkit + cuDNN (para GPU)

Instalando dependências do sistema

Arch/Manjaro:

sudo pacman -S ffmpeg cuda cudnn

Ubuntu/Debian:

sudo apt install ffmpeg nvidia-cuda-toolkit libcudnn8

Instalando o uv

curl -LsSf https://astral.sh/uv/install.sh | sh

Setup de desenvolvimento

# Clonar o repositório
git clone <repo-url>
cd transcriber

# Criar venv e instalar dependências (uv faz tudo automaticamente)
uv sync

# Rodar o projeto
uv run python -m transcriber --list-models

O uv sync cria o .venv, resolve e instala todas as dependências do pyproject.toml automaticamente.

Uso

# Transcrição básica (detecta idioma automaticamente)
uv run python -m transcriber video.mp4

# Forçar português
uv run python -m transcriber video.mp4 --lang pt

# Gerar legenda SRT
uv run python -m transcriber video.mp4 --lang pt --format srt -o legenda.srt

# Gerar VTT (compatível com HTML5 <track>)
uv run python -m transcriber video.mp4 --lang pt --format vtt -o legenda.vtt

# Gerar JSON com timestamps
uv run python -m transcriber video.mp4 --format json -o transcricao.json

# Gerar texto puro
uv run python -m transcriber video.mp4 --format txt -o transcricao.txt

# Escolher modelo
uv run python -m transcriber video.mp4 --model large-v3

# Processar pasta inteira (batch)
uv run python -m transcriber ./videos/ --lang pt --format srt

# Timestamps por palavra (útil para karaokê)
uv run python -m transcriber video.mp4 --word-timestamps --format json

# Listar modelos disponíveis
uv run python -m transcriber --list-models

# Usar CPU ao invés de GPU
uv run python -m transcriber video.mp4 --device cpu --compute-type int8

Performance

Benchmarks com AMD Ryzen 7 5700G, 32GB RAM, RTX 3060 12GB, modelo large-v3-turbo, float16:

$ uv run python -m transcriber preview-controls.mp4 --lang pt --format srt
Modelo: large-v3-turbo | Device: cuda | Compute: float16
Modelo carregado.
──── preview-controls.mp4 ────
Duração: 11min 26s
  Transcrevendo... ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% 0:00:17
Salvo em: preview-controls.srt
11min 26s de áudio em 20s — 34x realtime

$ uv run python -m transcriber 2026-02-21\ 14-22-10.mp4 --lang pt --format srt
Modelo: large-v3-turbo | Device: cuda | Compute: float16
Modelo carregado.
──── 2026-02-21 14-22-10.mp4 ────
Duração: 1h 55min 19s
  Transcrevendo... ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% 0:03:09
Salvo em: 2026-02-21 14-22-10.srt
1h 55min 19s de áudio em 4min 18s — 27x realtime

Duração do áudio	Tempo de processamento	Velocidade
11min 26s	20s	34x realtime
1h 55min 19s	4min 18s	27x realtime

Modelos

Modelo	Tamanho	VRAM estimada	Observação
tiny	~75 MB	~1 GB	Mais rápido, menos preciso
base	~145 MB	~1 GB
small	~488 MB	~2 GB
medium	~1.5 GB	~5 GB
large-v3	~3.1 GB	~10 GB	Mais preciso
large-v3-turbo	~1.6 GB	~6 GB	Default — boa precisao com velocidade

Formatos de saída

• txt — Texto puro, um parágrafo por segmento
• srt — SubRip, formato padrão de legenda
• vtt — WebVTT, compatível com HTML5 <track>
• json — Array de objetos com timestamps (útil para integração)

Argumentos

Argumento	Descrição	Default
input	Arquivo de vídeo/áudio ou diretório	—
--lang, -l	Código do idioma (pt, en, es...)	auto-detect
--model, -m	Modelo whisper	large-v3-turbo
--format, -f	Formato de saída (txt, srt, vtt, json)	txt
--output, -o	Arquivo de saída	mesmo nome + extensão
--device	cuda ou cpu	cuda
--compute-type	float16, int8_float16, int8	float16
--beam-size	Beam size para decodificação	5
--vad / --no-vad	VAD filter (Silero)	ativado
--word-timestamps	Timestamps por palavra	desativado
--list-models	Lista modelos disponíveis	—
--verbose, -v	Modo verboso	desativado

Troubleshooting

"CUDA não disponível. Usando CPU como fallback."

Instale o CUDA toolkit e cuDNN do sistema:

# Arch/Manjaro
sudo pacman -S cuda cudnn

Verifique se o driver NVIDIA está funcionando:

nvidia-smi

"Library libcublas.so.12 is not found or cannot be loaded"

Isso acontece quando a versão do CUDA do sistema (ex: 13.x) é mais recente que a versão esperada pelo CTranslate2 (12.x). O projeto já inclui as libs CUDA 12 via pip (nvidia-cublas-cu12, nvidia-cudnn-cu12) e as pré-carrega automaticamente. Se mesmo assim der erro, verifique se o uv sync instalou esses pacotes:

uv run python -c "import nvidia.cublas; print('cublas OK')"
uv run python -c "import nvidia.cudnn; print('cudnn OK')"

Legendas SRT não aparecem no VLC

O VLC pode ter problemas com codificação de legendas. Duas soluções:

1. No VLC: vá em Ferramentas > Preferências > Legendas/OSD e mude a codificação padrão para UTF-8.

2. Use o mpv (recomendado, funciona sem configuração):

sudo pacman -S mpv
mpv --sub-file="legenda.srt" video.mp4

Privacidade

Este projeto roda 100% local. Nenhum dado é enviado para servidores externos. Não requer API key nem conta em nenhum serviço. Seus áudios e transcrições permanecem na sua máquina.

---

Projeto criado usando Claude Code com base no prompt.md.