gart/code/Engine/docs/08_APP_MACOS.md

08 — O app macOS (MacApp/) e o Assistente

Escopo: O app SwiftUI e o Assistente: build, telas, ponte e a etapa 5. Não cobre: Engine Python (→ 02) · ferramentas MCP (→ 03)

O app SwiftUI é como o usuário opera o sistema sem abrir terminal nem conversar com uma IA. São ~5.500 linhas em MacApp/Sources/, e ele não tem lógica de edição: tudo que ele faz é montar argumentos, chamar a ponte Python e mostrar o resultado.

Última varredura: 2026-08-19

---

1. Como o app é construído — leia antes de mexer

Não existe .xcodeproj nem Package.swift. O app é compilado invocando o swiftc direto sobre MacApp/Sources/*.swift:

cd code && ./MacApp/build_app.sh          # compila e monta o .app
cd code && ./MacApp/build_app.sh --run    # compila e abre

Consequências práticas, todas já sentidas:

• Arquivo novo em Sources/ entra sozinho no build. Não há lista de alvos.
• Não dá para adicionar dependência SPM sem antes migrar o build inteiro.
• Compilar não prova que roda. Componentes SwiftUI que embrulham classes Objective-C podem falhar só em tempo de execução, ao abrir a tela. Foi o que aconteceu com VideoPlayer (AVKit): compilava limpo e abortava ao abrir a etapa 5 (05_EXPERIENCIAS.md #22). Por isso a regra: alterou a interface, abra a tela de fato.

Testando uma tela sem navegar o app inteiro

Um harness de vinte linhas compila os mesmos fontes com um @main próprio que monta só a tela em questão. Reproduz crash de runtime em segundos:

swiftc -parse-as-library -sdk "$(xcrun --sdk macosx --show-sdk-path)" \
  -target arm64-apple-macosx26.0 \
  MacApp/Sources/PhraseReviewView.swift MacApp/Sources/PhraseReviewModel.swift \
  MacApp/Sources/TimelineTracksView.swift MacApp/Sources/Models.swift \
  MacApp/Sources/PythonBridge.swift  /tmp/HarnessMain.swift  -o /tmp/harness

O @main do harness carrega a tela, imprime o que interessa e chama NSApplication.shared.terminate — dá para afirmar "abriu e funcionou" sem depender de screenshot.

---

2. Estrutura das telas

Arquivo	Linhas	Papel
WizardView.swift	808	O Assistente — fluxo guiado de 7 etapas
TranscriptionView.swift	843	Transcrição avulsa e processamento em lote
ModelDownloadView.swift	545	Catálogo e download de modelos Whisper
CaptionsView.swift	545	Legendas dinâmicas: estilo + preview ao vivo
TimelineTracksView.swift	506	Timeline com trilhas, zoom e playhead
PhraseReviewModel.swift	429	Estado da etapa 5: frases, player, zooms
PhraseReviewView.swift	413	Etapa 5: preview + inspector de frases
VoiceAnalysisView.swift	322	Parâmetros do motor de ênfase
ProjectView.swift	293	Inspeção do .fcpxml
Models.swift	274	Espelhos Swift do JSON da ponte
PythonBridge.swift	230	A ponte — ver seção 3
SubtitlePreviewView.swift	218	Preview 9:16 das legendas
App.swift	69	NavigationSplitView e as abas

Abas (ActiveTab em App.swift): Assistente · Projeto · Legendas · Análise de Voz · Modelos · Sobre. As cinco últimas são "Avançado" — atalhos para operações soltas. O Assistente é o caminho principal.

---

3. PythonBridge.swift — como o app fala com o Python

O app lança admin/models_api.py como subprocesso, passando o comando e um JSON como argv, e lê JSON-lines no stdout.

PythonBridge.call(command: "build_phrase_review",
                  arguments: ["voice_timeline": path]) { result, error in … }

Dois pontos que já causaram problema e estão resolvidos no código — não os desfaça sem entender:

• uv run precisa rodar com cwd em code/. O uv escolhe o ambiente pelo diretório do processo, não pelo caminho do script. Rodar da raiz fazia o uv criar um segundo .venv vazio e ignorar tudo que estava instalado em code/.venv — librosa e pyannote instalavam com sucesso e o app insistia que faltavam.
• scriptURL procura admin/models_api.py subindo diretórios a partir do cwd, do bundle e do home. É o que faz o app funcionar tanto rodando do Xcode quanto do .app montado.

Para adicionar um comando: função em admin/api/<assunto>.py, registro na tabela de admin/models_api.py, e PythonBridge.call do lado Swift. Os 37 comandos e seus formatos estão documentados no docstring de models_api.py.

---

4. O Assistente — as 7 etapas

WizardStep (WizardView.swift) é um enum sequencial; canAdvance decide quando o botão "Continuar" libera.

#	Etapa	O que acontece	Comando da ponte
1	Projeto	Escolhe a pasta de saída e o .fcpxml	project_config
2	Transcrever	Transcreve toda a mídia do projeto	transcribe
3	Analisar voz	Mede ênfase, locutores, emoção	analyze_voice
4	Decisões da IA	Copia para o chat, cola o JSON de volta, aplica	apply_voice_actions
5	Revisar ênfases	Lapida frase a frase — ver seção 5	build_phrase_review / save_phrase_review
6	Processar	Silêncios, preenchimento, legendas	vários, em cadeia
7	Concluído	Abre no FCP ou mostra no Finder	—

A etapa 4 é a única manual do fluxo, e de propósito: o julgamento de qual tomada usar e onde dar zoom é conversa com uma IA (skill editar-por-voz), não um botão. O app monta o pedido pronto no clipboard e recebe o JSON de volta.

Etapa 1 — armadilha registrada: não escolha como "o projeto" um arquivo já gerado pelo fluxo (_voice_edit, _silence_removed, …). Os cortes de voz assumem timestamps da mídia original; reaplicá-los sobre um arquivo já cortado desloca tudo em silêncio. O wizard avisa (looksLikeGeneratedFile).

---

5. Etapa 5 — a sala de edição

Única tela que ocupa a janela toda: o corpo do wizard é uma coluna de 640pt, e essa etapa escapa dela porque precisa da largura (step == .revisar em WizardView.body).

┌────────────────────────────┬──────────────┐
│  Preview (AVPlayerLayer)   │  Inspector   │
│  enquadrado no formato     │  de frases   │
│  de entrega do projeto     │              │
├────────────────────────────┴──────────────┤
│  Timeline: 6 trilhas, zoom, playhead      │
└───────────────────────────────────────────┘

Trilhas: zooms · frases · energia por palavra · emoção · locutor · roteiro/bastidor. Todas desenhadas sobre o mesmo eixo de tempo, com uma coluna fixa à esquerda nomeando cada uma.

O que o usuário decide por frase: nível de ênfase (0–3), ativo/inativo, texto, roteiro/bastidor e o trim das pontas. O trim anda em fronteira de palavra — cortar é apontar para uma palavra, arrastando a borda do bloco ou clicando na palavra no inspector.

Zoom manual: arrastar na timeline marca um trecho; botão direito cria um zoom nele. O zoom guarda só o quando — escala e ramp vêm das configurações de Análise de Voz no momento do render, então mudar lá restiliza todos.

Decisões de implementação que parecem detalhe e não são:

• O preview não renderiza nada. Ele toca a mídia original e pula os trechos removidos. Renderizar para conferir um toggle poria minutos entre a decisão e o resultado. O observador roda a 60 Hz porque o período dele é exatamente quanto de material cortado dá para ouvir antes do pulo.
• O enquadramento é o do projeto, não o da mídia. As gravações são horizontais e a entrega é vertical; o app lê o formato do .fcpxml (inspect) e mostra o corte central aproximado, com um selo para alternar para a mídia original. O enquadramento real de cada clipe vem do FCP — o preview é aproximação, e o selo diz isso.
• Nada é processado aqui. "Continuar" grava o _phrase_review.json e o _phrase_actions.json derivado dele. A geração é da etapa 6.
• A revisão é sempre remontada da análise atual, com as decisões salvas reaplicadas por cima (merge_saved_decisions). Assim refazer a análise de voz melhora a tela em vez de ficar mascarado por uma cópia velha; uma decisão cuja frase se moveu mais de 0,25 s é descartada em vez de colar na frase errada.

---

6. Estado atual e o que falta

Funciona e foi verificado: carga das frases com decisões da IA, as 6 trilhas, seleção sincronizada nos três painéis, trim por palavra, zoom manual, reprodução parando no ponto exato (erro de 0 ms medido), pulo dos trechos removidos, enquadramento vertical, gravação ao avançar.

Ainda em aberto:

• A etapa 6 não consome o _phrase_review.json. A ligação — zoom e legenda dinâmica só nas frases de ênfase, legenda comum no resto — é a próxima tarefa.
• MacApp/ não tem teste automatizado. A rede é o harness da seção 1 e o olho do usuário. Toda mudança de interface precisa ser aberta de fato.
• O preview aproxima o reenquadramento vertical pelo corte central; se os clipes forem reposicionados no FCP, diverge.