"""Entrada local do painel CEP para uma execução configurada do Scanner.""" import argparse import json import math import os from pathlib import Path import tempfile import re from engine.integracoes.premiere.conversores import ConversorDeTimeline from engine.scanner import ConfiguracaoVisualDoScanner, criar_detector_apple_vision, gerar_relatorio_visual from engine.scanner.transcricao_da_timeline import TranscricaoDaTimeline MODELO_DIARIZACAO_PADRAO = "pyannote/speaker-diarization-community-1" def nome_seguro(nome: str) -> str: return re.sub(r"[^A-Za-z0-9._-]+", "-", nome.strip()).strip(".-") or "timeline" def executar(entrada: Path, saida: Path) -> Path: pedido = json.loads(entrada.read_text(encoding="utf-8")) configuracao = ConfiguracaoVisualDoScanner.de_dict(pedido["perfil"]) timeline = ConversorDeTimeline().converter(pedido["timeline"]) clipes = [clipe for faixa in timeline.faixas if faixa.tipo == "video" and faixa.indice in configuracao.faixas_de_video for clipe in faixa.clipes] total_estimado = sum(max(1, math.ceil((clipe.intervalo_na_origem or clipe.intervalo_na_timeline).duracao / configuracao.intervalo_em_segundos)) + 1 for clipe in clipes) or 1 concluidos = 0 def emitir(etapa: str, percentual: float, clipe: str = "") -> None: print(json.dumps({"evento": "progresso", "etapa": etapa, "percentual": round(percentual, 1), "clipe": clipe}, ensure_ascii=False), flush=True) resultados = [] for clipe in clipes: peso = max(1, math.ceil((clipe.intervalo_na_origem or clipe.intervalo_na_timeline).duracao / configuracao.intervalo_em_segundos)) + 1 inicio_do_clipe = concluidos def progresso_atual(atual: int, total: int, nome: str = clipe.nome, base: int = inicio_do_clipe, peso_do_clipe: int = peso) -> None: emitir("Analisando frames", 100 * (base + peso_do_clipe * atual / max(total, 1)) / total_estimado, nome) detector = criar_detector_apple_vision(Path(tempfile.gettempdir()) / "premiere-mcp-scanner", configuracao=configuracao) detector.ao_progresso = progresso_atual emitir("Extraindo frames", 100 * inicio_do_clipe / total_estimado, clipe.nome) try: resultado = detector.detectar(clipe) arquivo = Path(tempfile.gettempdir()) / f"scanner-{clipe.identificador}.json" gerar_relatorio_visual(clipe, resultado, arquivo, configuracao.intervalo_em_segundos) resultados.append(json.loads(arquivo.read_text(encoding="utf-8"))) except Exception as erro: resultados.append({"clipe": {"identificador": clipe.identificador, "nome": clipe.nome, "arquivo_original": clipe.arquivo}, "erro": str(erro)}) concluidos += peso faixas_de_audio = [faixa for faixa in timeline.faixas if faixa.tipo == "audio" and faixa.indice in configuracao.faixas_de_audio] audio = [{"indice": faixa.indice, "nome": faixa.nome, "clipes": [{"identificador": clipe.identificador, "nome": clipe.nome, "inicio": clipe.intervalo_na_timeline.inicio, "fim": clipe.intervalo_na_timeline.fim} for clipe in faixa.clipes]} for faixa in faixas_de_audio] caso = nome_seguro(timeline.nome) pasta = saida.parent / caso pasta.mkdir(parents=True, exist_ok=True) saida = pasta / f"{caso}-resultado.json" detalhado = pasta / "detalhado" detalhado.mkdir(parents=True, exist_ok=True) geometria = [] for resultado in resultados: for frame in resultado.get("observacoes_por_frame", []): fatos = [item for item in frame["evidencias"] if item["tipo"] in {"rosto", "pessoa", "pose", "mao"}] if fatos: geometria.append({"clipe": resultado["clipe"]["identificador"], "timestamp_na_origem": frame["timestamp_na_origem"], "evidencias": fatos}) frame["evidencias"] = [item for item in frame["evidencias"] if item not in fatos] (detalhado / "geometria.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\n" for item in geometria), encoding="utf-8") video_arquivo = f"{caso}-video.json" (pasta / video_arquivo).write_text(json.dumps({"clipes": resultados}, ensure_ascii=False, indent=2), encoding="utf-8") audio_arquivos = [] transcricoes_por_clipe: dict[str, list[dict]] = {} transcricao_configurada = pedido["perfil"].get("transcricao", {}) if faixas_de_audio and transcricao_configurada.get("caminho_modelo"): try: from engine.integracoes.whisper import ProviderDeTranscricaoLocal from engine.dominio import Timeline emitir("Transcrevendo áudio", 5) provider = ProviderDeTranscricaoLocal(transcricao_configurada["caminho_modelo"], idioma=transcricao_configurada.get("idioma", "pt")) diarizador = None if transcricao_configurada.get("diarizacao"): if not os.environ.get("HF_TOKEN"): transcricao_configurada = {**transcricao_configurada, "aviso_diarizacao": "Token do Hugging Face não configurado."} else: from engine.integracoes.huggingface import ProviderDeDiarizacaoHuggingFace modelo_diarizacao = os.environ.get("HF_DIARIZATION_MODEL", MODELO_DIARIZACAO_PADRAO) diarizador = ProviderDeDiarizacaoHuggingFace(modelo_diarizacao) transcricao_configurada = {**transcricao_configurada, "modelo_diarizacao": modelo_diarizacao} transcricoes = TranscricaoDaTimeline(provider, diretoria_de_trabalho=pasta / ".cache-audio", diarizador=diarizador).executar( Timeline(timeline.identificador, timeline.nome, faixas=faixas_de_audio)) for transcricao in transcricoes: transcricoes_por_clipe[transcricao.identificador_do_clipe] = [ {"inicio": item.inicio, "fim": item.fim, "texto": item.texto, "confianca": item.confianca, "falante": item.falante} for item in transcricao.segmentos] except Exception as erro: transcricao_configurada = {**transcricao_configurada, "erro": str(erro)} for faixa in audio: arquivo = f"{caso}-audio-faixa-{faixa['indice'] + 1}.json" segmentos = [{"clipe": clipe["identificador"], "segmentos": transcricoes_por_clipe.get(clipe["identificador"], [])} for clipe in faixa["clipes"]] (pasta / arquivo).write_text(json.dumps({"faixa": faixa, "transcricao": transcricao_configurada, "segmentos_por_clipe": segmentos, "status": "concluida" if transcricoes_por_clipe else "indisponivel"}, ensure_ascii=False, indent=2), encoding="utf-8") audio_arquivos.append(arquivo) saida.write_text(json.dumps({"versao": 1, "perfil": pedido["perfil"], "sequencia": {"id": timeline.identificador, "nome": timeline.nome}, "artefatos": {"audio": audio_arquivos, "video": video_arquivo, "geometria": "detalhado/geometria.jsonl"}}, ensure_ascii=False, indent=2), encoding="utf-8") emitir("Relatório JSON gerado", 100) return saida if __name__ == "__main__": parser = argparse.ArgumentParser() parser.add_argument("entrada", type=Path) parser.add_argument("saida", type=Path) args = parser.parse_args() print(json.dumps({"evento": "concluido", "arquivo": str(executar(args.entrada, args.saida))}, ensure_ascii=False))