VideoLingo

Toda a corrente de legendas e dublagem roda em uma única janela do Streamlit. Você cola um link do YouTube ou aponta para um arquivo local, ajusta o idioma e os modelos, e a ferramenta cuida de download, reconhecimento, segmentação, tradução e exportação, nessa ordem. Cada etapa grava o resultado em disco, então uma etapa que falhou pode ser repetida sem refazer tudo do zero.

O reconhecimento se apoia no Qwen3-ASR junto com um alinhador forçado, que marca o tempo de cada palavra em vez da frase inteira. É essa precisão que faz as legendas caírem no momento certo. Você também pode enviar o áudio para ElevenLabs ou MAI-Transcribe-2 se preferir não rodar o modelo localmente. Saiba que assim o seu áudio sai para terceiros.

Frases faladas longas não cabem em uma linha de legenda. A ferramenta combina regras de NLP com uma passada do LLM para dividir a transcrição em linhas curtas e legíveis com limites de comprimento configuráveis, seguindo a mesma lógica que um editor humano aplicaria. A tradução vem depois da segmentação, então as legendas traduzidas mantêm o tempo da fala original.

A tradução passa por duas fases por padrão. Uma lista de terminologia própria e um glossário gerado por IA mantêm nomes, jargão e frases recorrentes coerentes em todo o arquivo, e um passo de reflexão opcional reescreve a saída crua da máquina até ela ficar natural. É aqui que um bom LLM justifica o custo: um modelo fraco produz legendas planas e literais.

A dublagem é opcional e funciona com vários motores de voz, como OpenAI TTS, Fish Audio, SiliconFlow, GPT-SoVITS e Edge TTS. O GPT-SoVITS é o que melhor clona uma voz, mas só cobre chinês e inglês, enquanto os outros alcançam mais idiomas. Os tempos e a entonação dependem da tradução e da voz, e ajustar a velocidade não garante uma sincronia perfeita.

Para automatizar, o VideoLingo expõe uma API HTTP local que compartilha o mesmo processo da interface. Scripts e agentes de IA podem enviar um trabalho por vez, consultar o progresso, baixar resultados e repetir falhas. Isso substituiu o antigo modo em lote com Excel, que o projeto não recomenda mais.

Cada etapa registra o progresso em disco, então você pode pausar, retomar ou parar um trabalho no meio e continuar depois. As respostas corretas do modelo ficam em cache, o que faz uma nova tentativa reaproveitar o trabalho já feito em vez de pagar duas vezes pela mesma tradução.