Aplicação web que usa IA (Gemini) para analisar vídeos enviados pelo usuário e identificar automaticamente o trecho mais viral, engraçado ou surpreendente, gerando um clipe pronto para compartilhar.
- O usuário insere sua Gemini API Key
- Faz o upload do vídeo via Cloudinary
- O Cloudinary transcreve o áudio automaticamente
- A transcrição é enviada ao Gemini, que identifica o melhor trecho
- O clipe é gerado dinamicamente via URL do Cloudinary e exibido no player
- Frontend: HTML5, CSS3, JavaScript (Vanilla)
- Estilização: Tailwind CSS (via CDN)
- Animações: GSAP (GreenSock)
- Ícones: Lucide Icons
- Vídeo & Storage: Cloudinary (Upload Widget & Transformaçōes de Mídia)
- Inteligência Artificial: Google Gemini API (
gemini-2.5-flash)
Como este é um projeto focado no Front-end (Vanilla JS), não é necessário o uso de Node.js ou bundlers para rodá-lo, apenas um servidor local.
- Uma conta no Cloudinary (com um Upload Preset configurado como "Unsigned" e o add-on de transcrição ativado).
- Uma chave de API do Google AI Studio (Gemini).
- Extensão Live Server do VS Code (ou similar).
git clone https://github.com/Jotshh/ClipMaker-NLW.git
cd ClipMaker-NLW No painel do Cloudinary, certifique-se de que o Upload Preset está com:
- Modo:
Unsigned - Auto transcription habilitada nas transformações de vídeo
Copie o arquivo de exemplo e preencha com suas credenciais:
cd .config.example.js| Variável | Descrição |
|---|---|
CLOUDINARY_NAME: 'seu_cloud_name_aqui', |
Nome do seu cloud no Cloudinary |
UPLOAD_PRESET: "seu-upload-preset" |
Upload preset configurado no Cloudinary (modo unsigned) |
-
Abra o arquivo index.html com o Live Server (ou seu servidor local de preferência).
-
Na interface web, cole sua Gemini API Key no campo designado.
-
Clique em "Começar Upload" e teste a mágica!
ClipMaker-NLW/
├── index.html # Página principal
├── assets/ # Arquivos estáticos da aplicação
├── css/
│ └── styles.css # Estilos customizados
├── js/
│ └── app.js # Lógica da aplicação
│ └── config.example.js # Modelo de variáveis de ambiente
├── .gitignore
└── README.md
MIT
Desenvolvido por Josiel durante o NLW da Rocketseat 2026
