--- 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 `` o caminho relativo do áudio ou vídeo informado pelo usuário. Exemplos: - `casos/Silva-vs-Maria/autos/audiencia.webm` - `casos/reuniao-cliente-joao/reuniao.m4a` - `casos/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 `` 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: ```bash 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: ```bash python3 "${CLAUDE_PLUGIN_ROOT:-.}/ferramentas/processamento/transcrever/transcrever.py" "" ``` 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 `.srt` a cada bloco concluído (salvamento incremental). - Monta a transcrição `.md` ao 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: - `.srt` — legenda com a hora exata de cada trecho. - `.md` — transcrição em texto, pronta para leitura, no formato: ```markdown - **[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.md` do 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 a pergunta | | Respostas longas, em 1ª pessoa, narrando um fato | Depoente / pessoa sendo ouvida | | "Vamos ao próximo ponto da pauta" | Quem conduz a reunião | | Mudança brusca de tema + nova pessoa | Transição — use a ordem do elenco | Substitua o `[?]` por um rótulo claro. Use o que fizer sentido para o tipo de gravação, por exemplo: - Audiência: `[Juiz]`, `[Adv. Cliente]`, `[Adv. Parte Contrária]`, `[Testemunha – Nome]`, `[Parte Autora – Nome]`, `[Perito]`, `[MP]`. - Reunião com cliente: `[Advogado]`, `[Cliente – Nome]`, `[Sócio]`. - Sustentação oral: `[Advogado]`, `[Relator]`, `[Procurador]`. Faça a substituição direto no arquivo `.md`. Exemplo: ```diff - **[00:02:15]** `[?]` Boa tarde a todos, vamos dar início à reunião... + **[00:02:15]** `[Advogado]` Boa tarde a todos, vamos dar início à reunião... ``` Se um trecho ficar **ambíguo** (você não tem certeza de quem fala), **mantenha o `[?]`** e deixe uma nota ao lado em vez de chutar: ```markdown - **[00:14:02]** `[?]` ...e foi exatamente isso que combinamos. ``` > Continue fiel ao áudio: rotular é só dizer **quem** falou, nunca mudar **o que** > foi dito. #### 4c — Extrair as falas mais relevantes Crie (ou complemente) um resumo das falas que importam juridicamente, usando o timestamp como "endereço" da prova — assim qualquer pessoa consegue voltar ao trecho exato da gravação. Sugestão de local: `analise/PROVA_ORAL.md` do caso (ou outro arquivo de análise que faça sentido). Não sobrescreva o que já existe; acrescente uma nova seção. Organize por pessoa e por relevância: ```markdown ## Gravação de DD/MM/AAAA — [tipo: reunião / audiência / depoimento] **Fonte:** `caminho/do/arquivo-original` · transcrição em `caminho/da/transcricao.md` ### [Pessoa – Nome / papel] **Favorável** - **[00:12:34]** Confirmou que o serviço foi concluído em fevereiro/2024. → sustenta a tese de cumprimento do contrato. **A neutralizar / desfavorável** - **[00:25:10]** Disse que não foi avisada do prazo. → risco; possível contraponto: documento que comprova o aviso. **Contradições** - **[00:31:48]** Afirmou "A", mas o documento X diz o contrário. ``` O que **selecionar:** fatos controvertidos confirmados ou negados; datas, valores, nomes e locais relevantes; admissões (algo dito contra o próprio interesse de quem fala); contradições com documentos; declarações sobre intenção ou conhecimento. O que **descartar:** cumprimentos, "ahn...", pedidos de repetição, ruído de fala. > **Anti-alucinação:** todo ponto extraído deve ter respaldo direto no áudio. Se > você não ouviu, não escreva. --- ### Passo 5 — Confirmar ao usuário Ao terminar, informe de forma objetiva: - A duração total do áudio transcrito (em minutos). - O caminho dos arquivos gerados (`.srt` e `.md`). - Se o Passo 4 foi feito: quantos interlocutores foram identificados, quantos trechos ficaram como `[?]` ambíguos (liste os timestamps) e o caminho do resumo de falas relevantes. - Próximos passos sugeridos, conforme o caso: rotular os `[?]` (se ainda não feito), usar a skill `diagnosticar` para revisar a tese à luz do que foi dito, ou usar a skill `redigir-peca` para empregar os trechos como prova.