{"id":620,"date":"2026-08-04T15:25:14","date_gmt":"2026-08-04T18:25:14","guid":{"rendered":"https:\/\/carloslopes.programandosolucoes.com.br\/index.php\/portfolio-transcricao-diarizacao\/"},"modified":"2026-08-05T17:06:00","modified_gmt":"2026-08-05T20:06:00","slug":"portfolio-transcricao-diarizacao","status":"publish","type":"page","link":"https:\/\/carloslopes.programandosolucoes.com.br\/index.php\/portfolio-transcricao-diarizacao\/","title":{"rendered":"Pipeline de Transcri\u00e7\u00e3o e Separa\u00e7\u00e3o de Falantes"},"content":{"rendered":"<style>\n.pf-wrap{max-width:1100px;margin:0 auto;font-size:16px;line-height:1.65}\n.pf-chamada{font-size:1.15rem;opacity:.85;margin:0 0 2rem}\n.pf-grade{display:grid;grid-template-columns:repeat(auto-fill,minmax(300px,1fr));gap:1.5rem}\n.pf-card{border:1px solid rgba(128,128,128,.3);border-radius:10px;overflow:hidden;display:flex;flex-direction:column;transition:transform .15s ease,box-shadow .15s ease}\n.pf-card:hover{transform:translateY(-3px);box-shadow:0 8px 24px rgba(0,0,0,.12)}\n.pf-card img{width:100%;height:180px;object-fit:cover;display:block;background:rgba(128,128,128,.12)}\n.pf-card-corpo{padding:1rem 1.1rem 1.2rem;display:flex;flex-direction:column;gap:.6rem;flex:1}\n.pf-card h3{margin:0;font-size:1.05rem;line-height:1.35}\n.pf-card p{margin:0;font-size:.92rem;opacity:.85;flex:1}\n.pf-chips{display:flex;flex-wrap:wrap;gap:.35rem}\n.pf-chip{font-size:.75rem;padding:.18rem .55rem;border-radius:999px;border:1px solid rgba(128,128,128,.35);opacity:.9}\n.pf-meta{font-size:.8rem;opacity:.7}\n.pf-cadeado{font-size:.8rem;opacity:.75}\n.pf-hero{margin:0 0 1.5rem}\n.pf-hero h1{margin:0 0 .4rem;line-height:1.2}\n.pf-secao{margin:2rem 0}\n.pf-secao h2{font-size:1.15rem;margin:0 0 .6rem;text-transform:uppercase;letter-spacing:.06em;opacity:.75}\n.pf-galeria{display:grid;gap:1.2rem;margin:2rem 0}\n.pf-galeria figure{margin:0}\n.pf-galeria img{width:100%;border:1px solid rgba(128,128,128,.3);border-radius:8px;display:block}\n.pf-galeria figcaption{font-size:.85rem;opacity:.75;margin-top:.4rem}\n.pf-repo{border:1px solid rgba(128,128,128,.35);border-left-width:4px;border-radius:8px;padding:1rem 1.2rem;margin:2rem 0}\n.pf-repo h2{margin:0 0 .5rem;font-size:1rem;text-transform:uppercase;letter-spacing:.06em}\n.pf-repo pre{background:rgba(128,128,128,.12);padding:.7rem .9rem;border-radius:6px;overflow-x:auto;margin:.6rem 0;font-size:.85rem}\n.pf-contato{margin:2rem 0;padding-top:1.2rem;border-top:1px solid rgba(128,128,128,.3);font-size:.95rem}\n.pf-voltar{display:inline-block;margin-bottom:1rem;font-size:.9rem}\n@media (max-width:600px){.pf-card img{height:150px}}\n<\/style>\n<div class=\"pf-wrap\">\n  <a class=\"pf-voltar\" href=\"\/index.php\/portfolio-backend\/\">\u2190 voltar ao portf\u00f3lio<\/a><\/p>\n<header class=\"pf-hero\">\n<p class=\"pf-meta\">07\/2026 \u00b7 1 semana<\/p>\n<p>Transcreve reuni\u00f5es em portugu\u00eas e separa os falantes, com dois m\u00e9todos de diariza\u00e7\u00e3o e queda autom\u00e1tica para CPU.<\/p>\n<div class=\"pf-chips\"><span class=\"pf-chip\">Python<\/span><span class=\"pf-chip\">faster-whisper<\/span><span class=\"pf-chip\">pyannote.audio<\/span><span class=\"pf-chip\">Resemblyzer<\/span><span class=\"pf-chip\">scikit-learn<\/span><span class=\"pf-chip\">CUDA<\/span><span class=\"pf-chip\">ffmpeg<\/span><\/div>\n<\/header>\n<section class=\"pf-secao\">\n<h2>O problema<\/h2>\n<p>Transcrever uma reuni\u00e3o resolve metade do problema: um bloco de texto sem indica\u00e7\u00e3o de quem falou n\u00e3o permite atribuir decis\u00e3o, compromisso ou obje\u00e7\u00e3o a ningu\u00e9m. Os servi\u00e7os que fazem as duas coisas exigem enviar o \u00e1udio para fora, o que nem sempre \u00e9 aceit\u00e1vel para conversa de trabalho.<\/p>\n<\/section>\n<section class=\"pf-secao\">\n<h2>A arquitetura<\/h2>\n<p>O \u00e1udio \u00e9 extra\u00eddo em 16 kHz mono, que \u00e9 a condi\u00e7\u00e3o do modelo de transcri\u00e7\u00e3o, e passa por Whisper large-v3 em float16 na GPU, com queda autom\u00e1tica para int8 em CPU quando n\u00e3o h\u00e1 placa. A separa\u00e7\u00e3o de falantes tem dois caminhos, escolhidos por troca expl\u00edcita. O primeiro usa embeddings de voz com agrupamento hier\u00e1rquico, ou similaridade de cosseno contra amostras de refer\u00eancia de cada pessoa: roda offline, n\u00e3o exige token e n\u00e3o envia \u00e1udio para lugar nenhum. O segundo usa um modelo de estado da arte que separa automaticamente e trata sobreposi\u00e7\u00e3o de vozes, ao custo de exigir token e aceite de licen\u00e7a. A sa\u00edda sai em quatro formatos da mesma execu\u00e7\u00e3o \u2014 \u00e1udio normalizado, JSON por segmento com in\u00edcio, fim, texto e falante, transcri\u00e7\u00e3o leg\u00edvel com marca\u00e7\u00e3o de tempo, e legenda \u2014 para servir tanto a leitura humana quanto a processamento posterior.<\/p>\n<\/section>\n<section class=\"pf-secao\">\n<h2>O resultado<\/h2>\n<p>Pipeline reutiliz\u00e1vel que processa v\u00eddeo ou \u00e1udio de reuni\u00e3o e entrega transcri\u00e7\u00e3o com falante identificado, aplicado a uma confer\u00eancia real de 31 minutos. O projeto documenta o que degrada o resultado em vez de esconder: sobreposi\u00e7\u00e3o de vozes e ru\u00eddo reduzem a precis\u00e3o dos dois est\u00e1gios, e o r\u00f3tulo de falante \u00e9 arbitr\u00e1rio \u2014 o sistema separa vozes, n\u00e3o sabe nomes, e a nomea\u00e7\u00e3o \u00e9 do operador.<\/p>\n<\/section>\n<div class=\"pf-galeria\">\n<figure>\n      <img decoding=\"async\" src=\"https:\/\/carloslopes.programandosolucoes.com.br\/wp-content\/uploads\/portfolio\/transcricao-01-pipeline.png\" alt=\"Do v\u00eddeo \u00e0 legenda com falante, com os dois caminhos de diariza\u00e7\u00e3o\" loading=\"lazy\"><figcaption>Do v\u00eddeo \u00e0 legenda com falante, com os dois caminhos de diariza\u00e7\u00e3o<\/figcaption><\/figure>\n<\/p><\/div>\n<div class=\"pf-repo\">\n<h2>\ud83d\udd12 C\u00f3digo-fonte<\/h2>\n<pre><code>git clone https:\/\/git.programandosolucoes.com.br\/git\/repos\/transcricao-diarizacao.git<\/code><\/pre>\n<p>C\u00f3digo-fonte privado. As credenciais de leitura s\u00e3o liberadas sob solicita\u00e7\u00e3o \u2014 me chame para conversar sobre o projeto.<\/p>\n<\/p><\/div>\n<div class=\"pf-contato\">\n    <strong>Carlos Alberto<\/strong> \u2014 carlosalberto4ti@gmail.com \u00b7 +55 11 2615-2880\n  <\/div>\n<\/div>\n","protected":false},"excerpt":{"rendered":"<p>\u2190 voltar ao portf\u00f3lio 07\/2026 \u00b7 1 semana Transcreve reuni\u00f5es em portugu\u00eas e separa os falantes, com dois m\u00e9todos de diariza\u00e7\u00e3o e queda autom\u00e1tica para CPU. Pythonfaster-whisperpyannote.audioResemblyzerscikit-learnCUDAffmpeg O problema Transcrever uma reuni\u00e3o resolve metade do problema: um bloco de texto sem indica\u00e7\u00e3o de quem falou n\u00e3o permite atribuir decis\u00e3o, compromisso ou obje\u00e7\u00e3o a ningu\u00e9m. Os [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":""},"class_list":["post-620","page","type-page","status-publish","hentry"],"translation":{"provider":"WPGlobus","version":"3.0.2","language":"en","enabled_languages":["en","br","it"],"languages":{"en":{"title":true,"content":true,"excerpt":false},"br":{"title":false,"content":false,"excerpt":false},"it":{"title":false,"content":false,"excerpt":false}}},"_links":{"self":[{"href":"https:\/\/carloslopes.programandosolucoes.com.br\/index.php\/wp-json\/wp\/v2\/pages\/620","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/carloslopes.programandosolucoes.com.br\/index.php\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/carloslopes.programandosolucoes.com.br\/index.php\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/carloslopes.programandosolucoes.com.br\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/carloslopes.programandosolucoes.com.br\/index.php\/wp-json\/wp\/v2\/comments?post=620"}],"version-history":[{"count":1,"href":"https:\/\/carloslopes.programandosolucoes.com.br\/index.php\/wp-json\/wp\/v2\/pages\/620\/revisions"}],"predecessor-version":[{"id":632,"href":"https:\/\/carloslopes.programandosolucoes.com.br\/index.php\/wp-json\/wp\/v2\/pages\/620\/revisions\/632"}],"wp:attachment":[{"href":"https:\/\/carloslopes.programandosolucoes.com.br\/index.php\/wp-json\/wp\/v2\/media?parent=620"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}