VoiceFlow - AI Audio & Speech Toolkit

VoiceFlow é um kit de ferramentas local e poderoso para processamento de áudio, transcrição inteligente e síntese de voz baseada em Inteligência Artificial. Projetado com uma interface moderna e dark mode responsiva via Eel, o VoiceFlow integra modelos avançados como Faster-Whisper e F5-TTS para oferecer resultados profissionais de forma local.

---

🚀 Funcionalidades

1. Transcrição e Extração de Áudio

• Extração de Áudio: Separe trilhas de áudio de arquivos de vídeo de forma automática usando FFmpeg.
• Transcrição Inteligente: Transcreva áudio e vídeo usando o Faster-Whisper com suporte a aceleração por hardware (GPU/CUDA) ou CPU.
• Legendas no Estilo TikTok: Gere legendas dinâmicas curtas e de leitura rápida, ideais para vídeos de formato curto (Reels, TikTok, Shorts). Customize:
  • Quantidade Máxima de Palavras: Limite de palavras por linha (ex: 3 palavras).
  • Duração Máxima: Limite de tempo por legenda (ex: 1.5 segundos).
• Formatos de Exportação: Texto simples (.txt), legendas estruturadas (.srt) e WebVTT (.vtt).
• Visualização em Tempo Real: Veja os blocos transcritos na tela conforme o áudio é processado.

2. Conversão de Texto em Fala (TTS)

• Vozes Neurais de Alta Qualidade: Utiliza o motor do edge-tts para gerar falas extremamente naturais em português e dezenas de outros idiomas.
• Controle Dinâmico: Ajuste a velocidade da fala (Speed) e o tom da voz (Pitch).
• Player Embutido: Ouça o áudio gerado diretamente pela interface antes de exportar.

3. Clonagem de Voz (F5-TTS)

• Modelos de Ponta: Suporta o modelo original F5-TTS e a versão especializada em Português Brasileiro (firstpixel/F5-TTS-pt-br).
• Auto-Transcrição: Transcreva o áudio de referência automaticamente com Whisper com apenas um clique.
• Filtros Integrados: Remoção de ruído de fundo do áudio de referência e remoção de silêncios do áudio gerado.

---

🛠️ Requisitos e Dependências

Para rodar o VoiceFlow localmente, você precisará de:

• Python 3.10+
• FFmpeg (gerenciado automaticamente pelo pacote imageio-ffmpeg)
• CUDA Toolkit (opcional, recomendado para GPU):
  • Para aceleração na transcrição e clonagem de voz F5-TTS.

Dependências principais (instaladas via requirements.txt):

• eel (Frontend HTML/JS + Backend Python)
• faster-whisper (Transcrição veloz)
• f5-tts (Clonagem de voz via Flow Matching)
• edge-tts (Síntese de voz da Microsoft)
• noisereduce & num2words (Tratamento e pré-processamento de áudio)

---

📦 Instalação e Execução

1. Clone o repositório:

   git clone https://github.com/seu-usuario/tiktok-dark-tools.git
   cd tiktok-dark-tools

2. Crie e ative um ambiente virtual:

   python -m venv venv
   # No Windows (PowerShell):
   .\venv\Scripts\Activate.ps1
   # No Linux/macOS:
   source venv/bin/activate

3. Instale as dependências:

   pip install -r requirements.txt

4. Inicie o aplicativo:

   python main.py

---

🖥️ Configuração do CUDA (Aceleração por GPU no Windows)

O VoiceFlow já vem pré-configurado para localizar bibliotecas NVIDIA CUDA instaladas no próprio ambiente Python. Se você deseja transcrever e clonar vozes de forma instantânea usando sua GPU GeForce:

1. Certifique-se de que sua placa é compatível com CUDA e que os drivers da NVIDIA estão atualizados.
2. Ao selecionar o dispositivo GPU (CUDA) na interface do programa, ele utilizará as bibliotecas CUDA pré-carregadas instaladas via pip (nvidia-cublas-cu12, etc).

---

📝 Licença

Este projeto é distribuído sob a licença MIT. Consulte o arquivo LICENSE para obter mais informações.