Dicas Sobre Vetores (Arrays) no OpenScad

- Copie e cole o texto abaixo no editor do OpenScad para melhor entender o assunto. 

 a=[]; // Declara "a" como um vetor vazio
//
for (i=[0:9]) { a=a[i]; } //Acusa warning porque sobrescreveu o objeto "a".
//
for (i=[0:9]) { echo ("====>",str(a[i])); } //Lista "a" item a item no Console.
echo ("Todos itens de a =", str(a)); //Lista todos os itens de "a" no Console.
//
a = [ for (i = [0:9]) [i*2,i*2] ];
echo ("Valores duplicados de a =", str(a));  //Lista todos os itens de "a" no Console.
//
//Acusa warning porque torna a sobrescrever o objeto "a", mas atualizou também os valores de "a" na linha 5. Vale o momento de geração da árvore de compilação CSG. Ou seja, o fonte do OpenScad é compilado e não interpretado linha a linha.
//
// Como gerar um vetor via loop for com número n de iterações
//
a = [ for (a = [0 : 1 : 180]) [ 20 * cos(a), 20 * sin(a) ] ];
echo ("Valores de \"a\" reais =", str(a)); //Lista todos os itens de "a" no Console.
//
//Vale sempre o valor da última atribuição.
polygon(a);

/*
Avaliação das informações acima pelo ChatGPT

O código e os comentários que você forneceu são úteis para entender como o OpenSCAD lida com variáveis e atribuições. Aqui estão algumas observações importantes que podem ser extraídas desses exemplos:

1.  Sobrescrita de Variáveis: O OpenSCAD permite que você declare variáveis e as sobrescreva. No entanto, é importante notar que sobrescrever uma variável pode causar perda de dados, como ilustrado na primeira iteração do loop onde a é sobrescrito com um valor numérico, resultando em um vetor vazio.

2.  Impressão de Variáveis: Você pode usar a função echo para imprimir o valor das variáveis no console. Isso é útil para depuração e visualização dos dados.

3.  Compilação vs. Interpretação: Como mencionado nos comentários, o OpenSCAD compila o código em uma árvore de compilação CSG (Computational Solid Geometry) antes de renderizar o modelo. Portanto, a ordem de execução das operações pode não ser estritamente linear como em uma linguagem interpretada.

4.  Criação de Vetores: O OpenSCAD permite criar vetores (arrays) de várias maneiras, incluindo a utilização de loops, como no exemplo em que um vetor a é preenchido com valores calculados em um loop.

5.  Última Atribuição Prevalece: Quando uma variável é atribuída várias vezes, o valor atribuído por último prevalece. Por exemplo, no último exemplo, a é sobrescrito com um vetor calculado no loop for, e esse valor é usado na criação do polígono.

Esses conceitos são importantes para entender como o OpenSCAD funciona e como você pode manipular variáveis e dados em seus modelos. O OpenSCAD é uma linguagem de modelagem paramétrica e, portanto, é útil compreender como as atribuições e operações afetam o resultado final do modelo. Seu exemplo também demonstra como você pode criar vetores usando loops, o que pode ser útil para gerar geometria de forma programática.

*/

Coordenadas dos Vértices do Icosaedro Truncado

- Este código em python gera as coordenadas dos vértices de um icosaedro truncado (não regular).

- Um icosaedro truncado regular possui 90 arestas, 60 vértices e 32 faces, sendo 12 pentágonos e 20 hexágonos.

import numpy as np

def format_coordinate(value):
    rounded_value = round(value, 1)
    if rounded_value.is_integer():
        return str(int(rounded_value))
    else:
        return str(rounded_value)

# Definindo os pontos de referência para um icosaedro
phi = (1 + np.sqrt(5)) / 2

icosahedron_vertices = np.array([
    [0, 1, phi],
    [0, 1, -phi],
    [0, -1, phi],
    [0, -1, -phi],
    [1, phi, 0],
    [1, -phi, 0],
    [-1, phi, 0],
    [-1, -phi, 0],
    [phi, 0, 1],
    [phi, 0, -1],
    [-phi, 0, 1],
    [-phi, 0, -1]
])

# Definindo a matriz de truncamento
truncation_matrix = np.array([
    [1, 0, 1],
    [0, 1, 1],
    [-1, 0, 1],
    [0, -1, 1],
    [1, 1, 0],
    [-1, 1, 0],
    [1, -1, 0],
    [-1, -1, 0],
    [1, 0, -1],
    [0, 1, -1],
    [-1, 0, -1],
    [0, -1, -1]
])

# Calculando o centro do icosaedro truncado
center = np.mean(icosahedron_vertices, axis=0)

# Calculando as coordenadas dos vértices dos pentágonos
unique_vertices = []

for i in range(12):
    pentagon_vertices = icosahedron_vertices + truncation_matrix[i]
    pentagon_vertices_center = np.mean(pentagon_vertices, axis=0)
    pentagon_vertices = [
        vertex for vertex in pentagon_vertices if
        np.count_nonzero(vertex == 0) != 2 and
        not (np.all(vertex > 0) and np.all(vertex < 1)) and
        not np.all((np.abs(vertex[0]) > 0 and np.abs(vertex[0]) < 1) or
                   (np.abs(vertex[1]) > 0 and np.abs(vertex[1]) < 1) or
                   (np.abs(vertex[2]) > 0 and np.abs(vertex[2]) < 1))
    ]
    pentagon_vertices = np.unique(pentagon_vertices, axis=0)
    unique_vertices.extend(pentagon_vertices)

# Convertendo para um array numpy para eliminar duplicatas
unique_vertices = np.array(unique_vertices)

# Calculando as distâncias entre os vértices e o centro
distances_to_center = np.linalg.norm(unique_vertices - center, axis=1)

# Encontrando a distância máxima entre os vértices dos pentágonos
max_distance_pentagon = np.max(np.linalg.norm(icosahedron_vertices, axis=1))

# Eliminando os vértices mais próximos do centro do que qualquer vértice dos pentágonos
filtered_vertices = unique_vertices[distances_to_center > max_distance_pentagon]

# Imprimindo as coordenadas dos vértices formatadas com duas vírgulas entre cada valor
for i, vertex in enumerate(filtered_vertices):
    formatted_coords = [format_coordinate(coord) for coord in vertex]
    formatted_coords_str = ', '.join(formatted_coords)
    #print(f"Vértice {i + 1}: [{formatted_coords_str}]")
    print(f"translate ([{formatted_coords_str}]) pnt(0.1);")
   

-Para visualizar a forma aproximada deste sólido geométrico no OpenScad use o código abaixo:

IcosaedroVertices = [
 [10, -10, 26], //0
[10, 10, 26], //1
[0, 20, 26],  //2
[-10, 10, 26], //3
[-10, -10, 26], //4
[0, -20, 26],  //5

[26, -10, -10], //6
[26, -10, 10],  //7
[26, 0, 20],   //8
[26, 10, -10],  //10
[26, 10, 10],  //9
[26, 0, -20],  //11

[10, -10, -26], //12
[10, 10, -26],  //13
[0, 20, -26],  //14
[-10, -10, -26],  //16
[-10, 10, -26],  //15
[0, -20, -26],  //17

[-26, -10, -10], //18
[-26, -10, 10],  //19
[-26, 0, 20],  //20
[-26, 10, -10], //22
[-26, 10, 10],  //21
[-26, 0, -20],  //23

[-20, -26, 0],  //24
[-10, -26, 10],  //25
[10, -26, 10],  //26
[20, -26, 0],   //27
[10, -26, -10],  //28
[-10, -26, -10],  //29

[20, 26, 0],  //30
[10, 26, 10],  //31
[-10, 26, 10],  //33
[-20, 26, 0],  //32
[-10, 26, -10],  //34
[10, 26, -10],  //35

/*[-20, 16, 10],  //36 triângulos internos
[-10, 20, 16],  //37
[-16, 10, 20],  //38

[20, -16, 10],   //39
[10, -20, 16],   //40
[16, -10, 20],   //41

[20, 16, -10],   //42
[10, 20, -16],  //43
[16, 10, -20],  //44

[20, 16, 10],   //45
[10, 20, 16],   //46
[16, 10, 20],   //47

[-20, -16, 10],  //48
[-10, -20, 16],  //49
[-16, -10, 20],  //50

[20, -16, -10],  //51
[10, -20, -16],  //52
[16, -10, -20],  //53

[-20, -16, -10],  //54
[-10, -20, -16],  //55
[-16, -10, -20],  //56

[-20, 16, -10],  //57
[-10, 20, -16],  //58
[-16, 10, -20]];  //59 */
];
 
 IcosaedroFaces = [
  [0,1,2,3,4,5],  // hexágonos centrais
  [6,7,8,10,9,11],  
  [12,13,14,16,15,17],
  [18,19,20,22,21,23],
  [24,25,26,27,28,29],  
  [31,32,33,34,35,30],
 /* [36,37,38], // triângulos internos
  [39,40,41],
  [42,43,44],
  [45,46,47],
  [48,49,50],
  [51,52,53],
  [54,55,56],
  [57,58,59],
  [2,37,46],
  [5,40,49],
  [14,43,58],
  [17,52,55],
  [24,48,54],
  [27,39,51],
  [11,44,53],
  [23,56,59],
  [8,41,47],
  [20,50,38],
  [30,42,45],
  [33,36,57]];*/
  [2,31,32], // triângulos externos
  [5,25,26],
  [8,0,1],
  [11,12,13],
  [14,34,35],
  [17,28,29],
  [20,3,4],
  [23,15,16],
  [24,18,19],
  [27,6,7],
  [30,9,10],
  [33,21,22],
  [2,33,20], // hexágonos laterais abertos
  [2,30,8],
  [5,8,27],
  [5,20,24],
  [11,14,30],
  [11,17,27],
  [17,23,24],
  [14,23,33],
  //[5,26,27,7,20,4],
 ];
 
polyhedron( IcosaedroVertices, IcosaedroFaces );
color ("blue") {
translate ([10, -10, 26]) linear_extrude(8) text("0", 5); //0
translate ([10, 10, 26]) linear_extrude(8) text("1", 5); //1
translate ([0, 20, 26]) linear_extrude(8) text("2", 5);  //2
translate ([-10, 10, 26]) linear_extrude(8) text("3", 5); //3
translate ([-10, -10, 26]) linear_extrude(8) text("4", 5); //4
translate ([0, -20, 26]) linear_extrude(8) text("5", 5);  //5

translate ([26, -10, -10]) linear_extrude(8) text("6", 5); //6
translate ([26, -10, 10]) linear_extrude(8) text("7", 5);  //7
translate ([26, 0, 20]) linear_extrude(8) text("8", 5);   //8
translate ([26, 10, -10]) linear_extrude(8) text("10", 5);  //10
translate ([26, 10, 10]) linear_extrude(8) text("9", 5);  //9
translate ([26, 0, -20]) linear_extrude(8) text("11", 5);  //11

translate ([10, -10, -26]) linear_extrude(8) text("12", 5); //12
translate ([10, 10, -26]) linear_extrude(8) text("13", 5);  //13
translate ([0, 20, -26]) linear_extrude(8) text("14", 5);  //14
translate ([-10, -10, -26]) linear_extrude(8) text("16", 5);  //16
translate ([-10, 10, -26]) linear_extrude(8) text("15", 5);  //15
translate ([0, -20, -26]) linear_extrude(12) text("17", 8);  //17

translate ([-26, -10, -10]) linear_extrude(8) text("18", 5); //18
translate ([-26, -10, 10]) linear_extrude(8) text("19", 5);  //19
translate ([-26, 0, 20]) linear_extrude(8) text("20", 5);  //20
translate ([-26, 10, -10]) linear_extrude(8) text("22", 5); //22
translate ([-26, 10, 10]) linear_extrude(8) text("21", 5);  //21
translate ([-26, 0, -20]) linear_extrude(12) text("23", 8);  //23

translate ([-20, -26, 0]) linear_extrude(8) text("24", 5);  //24
translate ([-10, -26, 10]) linear_extrude(8) text("25", 5);  //25
translate ([10, -26, 10]) linear_extrude(8) text("26", 5);  //26
translate ([20, -26, 0]) linear_extrude(8) text("27", 5);   //27
translate ([10, -26, -10]) linear_extrude(8) text("28", 5);  //28
translate ([-10, -26, -10]) linear_extrude(8) text("29", 5);  //29

translate ([20, 26, 0]) linear_extrude(8) text("30", 5);  //30
translate ([10, 26, 10]) linear_extrude(8) text("31", 5);  //31
translate ([-10, 26, 10]) linear_extrude(8) text("32", 5);  //32
translate ([-20, 26, 0]) linear_extrude(8) text("33", 5);  //33
translate ([-10, 26, -10]) linear_extrude(8) text("34", 5);  //34
translate ([10, 26, -10]) linear_extrude(8) text("35", 5);  //35
}

Controle Liga/Desliga para CAPS, NUM e SCROLL

- A ideia é usar uma placa de teclado USB como interface alternativa para se criar 3 chaves liga/desliga controladas via computador.

- Segue abaixo um tutorial de produção do programa e o código fonte.

- Passo a passo para implementar e testar o código que permite ligar e desligar os LEDs Caps Lock, Num Lock e Scroll Lock usando um teclado padrão no Linux.

Passo 1: Instalar Dependências

Garanta que as dependências corretas estejam instaladas. O pacote libevdev-dev é necessário para acessar os LEDs via sysfs.

Para instalar o pacote libevdev-dev no Ubuntu, você pode usar o seguinte comando:

bash

sudo apt update
sudo apt install libevdev-dev

Passo 2: Criar o Código

Crie um novo arquivo de código-fonte chamado ligadesliga_leds.c e cole o código C fornecido anteriormente no arquivo.

Passo 3: Compilar o Código

Abra um terminal e navegue até o diretório onde você criou o arquivo ligadesliga_leds.c. Em seguida, execute o seguinte comando para compilar o código:

bash

sudo gcc -o ligadesliga_leds ligadesliga_leds.c -levdev

Isso compilará o código e gerará um executável chamado ligadesliga_leds.

Passo 4: Executar o Programa

Agora, você pode executar o programa usando o comando sudo para garantir que tenha as permissões necessárias para acessar os LEDs:

bash

sudo ./ligadesliga_leds

Passo 5: Testar o Programa

Após executar o programa, ele exibirá instruções no terminal. Pressione as teclas 'c', 'n' ou 's' para alternar o brilho dos LEDs Caps Lock, Num Lock e Scroll Lock, respectivamente. Pressione 'x' para sair do programa.

Lembre-se de que a capacidade de controlar os LEDs Caps Lock, Num Lock e Scroll Lock depende do seu hardware e do suporte do sistema operacional. Pode haver variações entre sistemas e distribuições Linux.

 

CÓDIGO FONTE DO PROGRAMA

#include <stdio.h>
#include <stdlib.h>
#include <termios.h>
#include <unistd.h>

#define CAPSLOCK_PATH "/sys/class/leds/input4::capslock/brightness"
#define NUMLOCK_PATH "/sys/class/leds/input4::numlock/brightness"
#define SCROLLLOCK_PATH "/sys/class/leds/input4::scrolllock/brightness"

int main() {
    struct termios old_settings, new_settings;
    char input;

    tcgetattr(STDIN_FILENO, &old_settings);
    new_settings = old_settings;
    new_settings.c_lflag &= ~(ICANON | ECHO);
    tcsetattr(STDIN_FILENO, TCSANOW, &new_settings);

    printf("Pressione 'c' para alternar o LED Caps Lock.\n");
    printf("Pressione 'n' para alternar o LED Num Lock.\n");
    printf("Pressione 's' para alternar o LED Scroll Lock.\n");
    printf("Pressione 'x' para sair.\n");

    while (1) {
        input = getchar();
        if (input == 'x') {
            break;
        } else if (input == 'c') {
            FILE* capslock_file = fopen(CAPSLOCK_PATH, "r+");
            if (capslock_file) {
                char value;
                fscanf(capslock_file, "%c", &value);
                fseek(capslock_file, 0, SEEK_SET);
                fprintf(capslock_file, "%c", (value == '0') ? '1' : '0');
                fclose(capslock_file);
            }
        } else if (input == 'n') {
            FILE* numlock_file = fopen(NUMLOCK_PATH, "r+");
            if (numlock_file) {
                char value;
                fscanf(numlock_file, "%c", &value);
                fseek(numlock_file, 0, SEEK_SET);
                fprintf(numlock_file, "%c", (value == '0') ? '1' : '0');
                fclose(numlock_file);
            }
        } else if (input == 's') {
            FILE* scrolllock_file = fopen(SCROLLLOCK_PATH, "r+");
            if (scrolllock_file) {
                char value;
                fscanf(scrolllock_file, "%c", &value);
                fseek(scrolllock_file, 0, SEEK_SET);
                fprintf(scrolllock_file, "%c", (value == '0') ? '1' : '0');
                fclose(scrolllock_file);
            }
        }
    }

    tcsetattr(STDIN_FILENO, TCSANOW, &old_settings);
    return 0;
}

 

Cercado em Cerâmica

- Ideia de cercado feito com cerâmica.

- As placas foram unidas com parafusos para madeira.

Código Arduino Para Motores Trifásicos

- Este programa gera uma sequência que pode ser usada para alimentar as 3 fases de um motor trifásico a partir de uma fonte de corrente contínua.

- Implementa os seguintes controles: 

. liga e desliga a marcha;

. sentido de funcionamento;

. frequência; e

. potência (largura de pulso).

const int dirPin = 3;       // Pino de entrada para controlar a direção
const int controlPin = 2;   // Pino para controlar o estado 000
const int outputPins[] = {5, 6, 9}; // Pinos de saída para a sequência desejada
int currentState = 0;
int currentDirection = 1;   // 1 para contar para cima, -1 para contar para baixo

void setup() {
  pinMode(dirPin, INPUT);
  pinMode(controlPin, INPUT);
 
  for (int i = 0; i < 3; i++) {
    pinMode(outputPins[i], OUTPUT);
  }
}

void loop() {
  int controlState = digitalRead(controlPin);
  int direction = digitalRead(dirPin);
 
  int sequence[] = {5, 4, 6, 2, 3, 1}; // Sequência de estados: 101, 100, 110, 010, 011, 001

  if (controlState == LOW) {
    sequence[0] = 0;
    digitalWrite(outputPins[0], LOW);
    digitalWrite(outputPins[1], LOW);
    digitalWrite(outputPins[2], LOW);
    while (digitalRead(controlPin) == LOW) {
      // Aguarda o pino de controle ficar alto para continuar
    }
  }

  if (direction == HIGH) {
    currentDirection = 1;
  } else {
    currentDirection = -1;
  }

  int frequency = map(analogRead(A0), 0, 1023, 0, 300); // Mapeia a leitura analógica para a faixa de frequência
 
  int pulseWidth = map(analogRead(A1), 0, 1023, 0, 255); // Mapeia a leitura analógica para a faixa de largura de pulsos
 
  int delayTime = 1000 / frequency; // Calcula o tempo de atraso com base na frequência
 
  currentState = (currentState + currentDirection + 6) % 6; // Calcula o próximo estado
 
  int currentOutput = sequence[currentState];
 
  digitalWrite(outputPins[0], bitRead(currentOutput, 2));
  digitalWrite(outputPins[1], bitRead(currentOutput, 1));
  digitalWrite(outputPins[2], bitRead(currentOutput, 0));
 
  delayMicroseconds(pulseWidth); // Mantém o pulso ativo de acordo com a largura de pulsos
 
  digitalWrite(outputPins[0], LOW);
  digitalWrite(outputPins[1], LOW);
  digitalWrite(outputPins[2], LOW);
 
  delay(delayTime); // Atraso entre os estados
}
 

Gerador de Legendas - 7.0

- Esta versão fornece legenda melhor sincronizada à fala.

- A qualidade do reconhecimento da fala está ligada à qualidade do modelo de idioma usado.

import os
import subprocess
import vosk
import pysrt
import json
from flask import Flask, render_template, request
from werkzeug.utils import secure_filename
from moviepy.editor import VideoFileClip

app = Flask(__name__)

UPLOAD_FOLDER = 'uploads'
app.config['UPLOAD_FOLDER'] = UPLOAD_FOLDER

def segundos_para_subrip_time(segundos):
    minutos, segundos = divmod(segundos, 60)
    horas, minutos = divmod(minutos, 60)
    return pysrt.SubRipTime(hours=int(horas), minutes=int(minutos), seconds=segundos)

def recognize_speech(file_path, language):
    if language == "en":
        model_path = "vosk-model-small-en-us-0.15"
    elif language == "pt":
        model_path = "vosk-model-small-pt-0.3" #model_path = "vosk-model-pt-fb-v0.1.1-20220516_2113" #Para melhor reconhecimento da fala.
    elif language == "es":
        model_path = "vosk-model-small-es-0.42"
    else:
        raise ValueError("Idioma não suportado.")

    if not os.path.isfile(file_path):
        raise FileNotFoundError("O arquivo de vídeo não existe.")

    sample_rate = 16000
    model = vosk.Model(model_path)
    rec = vosk.KaldiRecognizer(model, sample_rate)
    rec.SetWords(True)
    audio_duration = VideoFileClip(file_path).duration
    ffmpeg_command = f"ffmpeg -y -i {file_path} -vn -acodec pcm_s16le -ar {sample_rate} -ac 1 -f wav -"
    ffmpeg_process = subprocess.Popen(ffmpeg_command, shell=True, stdout=subprocess.PIPE, stderr=subprocess.DEVNULL)

    subtitles = []
    current_subtitle = None
    subtitle_index = 1

    while True:
        audio_data = ffmpeg_process.stdout.read(sample_rate * 2)
        if not audio_data:
            break
        rec.AcceptWaveform(audio_data)
        result = json.loads(rec.Result())

        if "result" in result:
            words = result["result"]
            if not words:
                break

            start_time = words[0]["start"]
            end_time = words[-1]["end"]
            transcript = " ".join([word["word"] for word in words])

            if current_subtitle:
                current_subtitle.text += " " + transcript
                current_subtitle.end = segundos_para_subrip_time(end_time)
            else:
                current_subtitle = pysrt.SubRipItem(
                    index=subtitle_index, start=segundos_para_subrip_time(start_time), end=segundos_para_subrip_time(end_time), text=transcript
                )
                subtitle_index += 1

            # Se a legenda tiver mais de 9 palavras, finalizamos a legenda
            if len(current_subtitle.text.split()) >= 9:
                subtitles.append(current_subtitle)
                current_subtitle = None

        else:
            if current_subtitle:
                subtitles.append(current_subtitle)
                current_subtitle = None

    if current_subtitle:
        subtitles.append(current_subtitle)

    ffmpeg_process.stdout.close()
    ffmpeg_process.wait()

    return subtitles

@app.route("/", methods=["GET", "POST"])
def index():
    if request.method == "POST":
        file = request.files["video_file"]
        language = request.form["language_choice"]

        if file and file.filename.endswith(".mp4"):
            if not os.path.exists(app.config['UPLOAD_FOLDER']):
                os.makedirs(app.config['UPLOAD_FOLDER'])

            file_path = os.path.join(app.config['UPLOAD_FOLDER'], secure_filename(file.filename))
            file.save(file_path)

            try:
                subtitles = recognize_speech(file_path, language)
                output_file = os.path.splitext(file_path)[0]

                if language == "en":
                    output_file += "_ing.srt"
                elif language == "pt":
                    output_file += "_por.srt"
                elif language == "es":
                    output_file += "_esp.srt"

                with open(output_file, "w", encoding="utf-8") as f:
                    for subtitle in subtitles:
                        f.write(str(subtitle))
                        f.write("\n")

                message = f"Processo concluído. Legenda gerada em {output_file}"
            except Exception as e:
                message = f"Erro durante o reconhecimento: {str(e)}"
        else:
            message = "Selecione um arquivo de vídeo no formato .mp4."

        return render_template("index.html", message=message)

    return render_template("index.html")

if __name__ == "__main__":
    app.run(debug=True)
 

TV como Lâmpada LED

- Uso de uma TV de 50 polegadas como lâmpada LED.

Motor de Alta Tensão

 - Réplica e modificações.

Gerador de Legendas - 6.0

- A ideia desta versão é gerar o arquivo de legenda no formato .srt a partir de uma interface Web.

- Instale o Flask com o comando:

pip install flask

- Segue o código para criar um aplicativo da web usando Flask:

import os
import subprocess
import vosk
import pysrt
import json
from flask import Flask, render_template, request
from werkzeug.utils import secure_filename
from moviepy.editor import VideoFileClip

app = Flask(__name__)

UPLOAD_FOLDER = 'uploads'
app.config['UPLOAD_FOLDER'] = UPLOAD_FOLDER

def recognize_speech(file_path, language, text_widget=None, subtitles=None):
    # Configurar o caminho do modelo de idioma Vosk de acordo com a escolha do usuário
    if language == "en":
        model_path = "vosk-model-small-en-us-0.15"
    elif language == "pt":
        model_path = "vosk-model-pt-fb-v0.1.1-20220516_2113"
    elif language == "es":
        model_path = "vosk-model-small-es-0.42"
    else:
        raise ValueError("Idioma não suportado.")

    # Verificar se o arquivo de entrada existe
    if not os.path.isfile(file_path):
        raise FileNotFoundError("O arquivo de vídeo não existe.")

    # Configurar a taxa de amostragem para o modelo Vosk
    sample_rate = 16000

    # Carregar o modelo de idioma Vosk
    model = vosk.Model(model_path)

    # Inicializar o reconhecedor de fala Vosk
    rec = vosk.KaldiRecognizer(model, sample_rate)
    rec.SetWords(True)

    # Obter a duração do áudio para atualização da barra de progresso
    audio_duration = VideoFileClip(file_path).duration

    # Comando FFmpeg para extrair o áudio e converter para WAV
    ffmpeg_command = f"ffmpeg -y -i {file_path} -vn -acodec pcm_s16le -ar {sample_rate} -ac 1 -f wav -"
    ffmpeg_process = subprocess.Popen(ffmpeg_command, shell=True, stdout=subprocess.PIPE, stderr=subprocess.DEVNULL)

    # Realizar o reconhecimento de fala por blocos de áudio
    start_time = 0
    block_duration = 9  # Definir a duração do bloco em segundos

    while start_time < audio_duration:
        # Ler o próximo bloco de áudio do processo ffmpeg
        audio_data = ffmpeg_process.stdout.read(sample_rate * block_duration)

        # Realizar o reconhecimento de fala no bloco atual
        rec.AcceptWaveform(audio_data)

        # Extrair o texto reconhecido do resultado
        result = json.loads(rec.Result())

        if "result" in result:
            transcript = " ".join([word["word"] for word in result["result"]])
            if transcript.strip():  # Verificar se o texto não está vazio
                end_time = min(start_time + block_duration, audio_duration)
                subtitles.append(pysrt.SubRipItem(index=len(subtitles) + 1, start=pysrt.SubRipTime(seconds=start_time), end=pysrt.SubRipTime(seconds=end_time), text=transcript))

                # Atualizar o texto no widget Text (interface do usuário)
                if text_widget is not None:
                    text_widget.insert(tk.END, f"--> {transcript}\n")
                    text_widget.see(tk.END)  # Rolar o texto para mantê-lo visível
                    text_widget.update()  # Atualizar a interface do usuário

        # Atualizar o tempo de início para o próximo bloco
        start_time += block_duration

    # Fechar o processo ffmpeg
    ffmpeg_process.stdout.close()
    ffmpeg_process.wait()

    return subtitles

@app.route("/", methods=["GET", "POST"])
def index():
    if request.method == "POST":
        file = request.files["video_file"]
        language = request.form["language_choice"]

        # Verificar se o arquivo foi enviado corretamente
        if file and file.filename.endswith(".mp4"):
            # Crie o diretório de uploads se ainda não existir
            if not os.path.exists(app.config['UPLOAD_FOLDER']):
                os.makedirs(app.config['UPLOAD_FOLDER'])

            # Salvar o arquivo de vídeo com um nome exclusivo no diretório "uploads"
            file_path = os.path.join(app.config['UPLOAD_FOLDER'], secure_filename(file.filename))
            file.save(file_path)

            try:
                subtitles = pysrt.SubRipFile()
                recognize_speech(file_path, language, text_widget=None, subtitles=subtitles)
                output_file = os.path.splitext(file_path)[0]

                if language == "en":
                    output_file += "_ing.srt"
                elif language == "pt":
                    output_file += "_por.srt"
                elif language == "es":
                    output_file += "_esp.srt"

                with open(output_file, "w", encoding="utf-8") as f:
                    for subtitle in subtitles:
                        f.write(str(subtitle))
                        f.write("\n")

                message = f"Processo concluído. Legenda gerada em {output_file}"
            except Exception as e:
                message = f"Erro durante o reconhecimento: {str(e)}"
        else:
            message = "Selecione um arquivo de vídeo no formato .mp4."

        return render_template("index.html", message=message)

    return render_template("index.html")

if __name__ == "__main__":
    app.run(debug=True)

- Crie um diretório chamado "templates" no mesmo diretório onde se encontra o aplicativo web com o código acima (arquivo Python com extensão .py)  e crie um arquivo chamado "index.html" dentro desse diretório. O conteúdo do arquivo "index.html" será a interface do aplicativo da web. Você pode escrever o HTML, CSS e JavaScript necessários para criar a interface do usuário de acordo com suas preferências e requisitos.

Exemplo básico do arquivo "index.html":

html

<!DOCTYPE html>
<html>
<head>
    <title>Gerador de Legendas</title>
</head>
<body>
    <h1>Gerador de Legendas</h1>
    <form action="/" method="post" enctype="multipart/form-data">
        <label for="video_file">Escolha o arquivo de vídeo:</label>
        <input type="file" name="video_file" id="video_file" accept=".mp4"><br>
        
        <label>Selecione o idioma para reconhecimento:</label><br>
        <input type="radio" name="language_choice" value="en" checked> Inglês<br>
        <input type="radio" name="language_choice" value="pt"> Português<br>
        <input type="radio" name="language_choice" value="es"> Espanhol<br>

        <input type="submit" value="Iniciar Reconhecimento">
    </form>

    {% if message %}
        <p>{{ message }}</p>
    {% endif %}
</body>
</html>

- Este é um exemplo simples que mostra a página com um formulário para enviar o arquivo de vídeo e selecionar o idioma para o reconhecimento. O resultado do reconhecimento será exibido como uma mensagem na mesma página após o processamento. Note que este é apenas um exemplo básico, e você pode estilizar e aprimorar a interface do usuário conforme necessário.

- Depois de criar o arquivo "index.html" e o diretório "templates", execute o script Python para iniciar o servidor da web:

python3 seu_script.py

- Acesse o aplicativo em um navegador web acessando http://127.0.0.1:5000/ e utilize-o para reconhecer o áudio do arquivo de vídeo selecionado e gerar as legendas.

- O arquivo de vídeo carregado e o arquivo de legenda no formato .srt gerado são salvos no diretório "uploads". O código do aplicativo web garante que o arquivo seja salvo com um nome exclusivo para evitar conflitos se várias pessoas usarem o aplicativo simultaneamente.

 

Ferramenta Para Comprimir Mola de Espingarda de Pressão

- Ideia para comprimir com segurança a mola de espingardas de pressão.

- É possível (e até melhor) usar sem o cano raiado.

- Sem esta ferramenta é praticamente impossível recolocar o gatilho na posição, pois neste modelo de espingarda o pino que fixa o batente da mola de pressão serve de eixo para o gatilho.

Gerador de Legendas - 5.0

- Nesta versão foi acrescentada uma interface gráfica ao script;

- A parte de tradução das foi retirada;

- O reconhecimento da fala suporta 3 idiomas: Inglês, Português e Espanhol.

import os
import subprocess
import vosk
import pysrt
import json
import sys
import tkinter as tk
from tkinter import filedialog
import threading
from moviepy.editor import VideoFileClip

def recognize_speech(file_path, language, text_widget, subtitles):
    # Configurar o caminho do modelo de idioma Vosk de acordo com a escolha do usuário
    if language == "en":
        model_path = "vosk-model-small-en-us-0.15"
    elif language == "pt":
        model_path = "vosk-model-pt-fb-v0.1.1-20220516_2113"
    elif language == "es":
        model_path = "vosk-model-small-es-0.42"
    else:
        raise ValueError("Idioma não suportado.")

    # Verificar se o arquivo de entrada existe
    if not os.path.isfile(file_path):
        raise FileNotFoundError("O arquivo de vídeo não existe.")

    # Configurar a taxa de amostragem para o modelo Vosk
    sample_rate = 16000

    # Carregar o modelo de idioma Vosk
    model = vosk.Model(model_path)

    # Inicializar o reconhecedor de fala Vosk
    rec = vosk.KaldiRecognizer(model, sample_rate)
    rec.SetWords(True)

    # Obter a duração do áudio para atualização da barra de progresso
    audio_duration = VideoFileClip(file_path).duration

    # Comando FFmpeg para extrair o áudio e converter para WAV
    ffmpeg_command = f"ffmpeg -y -i {file_path} -vn -acodec pcm_s16le -ar {sample_rate} -ac 1 -f wav -"
    ffmpeg_process = subprocess.Popen(ffmpeg_command, shell=True, stdout=subprocess.PIPE, stderr=subprocess.DEVNULL)

    # Realizar o reconhecimento de fala por blocos de áudio
    start_time = 0
    prev_end_time = 0

    while True:
        # Ler o próximo bloco de áudio do processo ffmpeg
        audio_data = ffmpeg_process.stdout.read(sample_rate * 9)
        if len(audio_data) == 0:
            break

        # Realizar o reconhecimento de fala no bloco atual
        rec.AcceptWaveform(audio_data)

        # Extrair o texto reconhecido do resultado
        result = json.loads(rec.Result())

        if "result" in result:
            transcript = " ".join([word["word"] for word in result["result"]])
            if transcript.strip():  # Verificar se o texto não está vazio
                block_duration = result["result"][-1]["end"] - prev_end_time
                progress_percentage = (start_time + block_duration) / audio_duration * 100
                subtitles.append(pysrt.SubRipItem(index=len(subtitles) + 1, start=pysrt.SubRipTime(seconds=start_time), end=pysrt.SubRipTime(seconds=start_time + block_duration), text=transcript))
                
                # Atualizar o texto no widget Text
                text_widget.insert(tk.END, f"--> {transcript}\n")
                text_widget.see(tk.END)  # Rolar o texto para mantê-lo visível

                # Atualizar o tempo de início para o próximo bloco
                start_time += block_duration
                prev_end_time = result["result"][-1]["end"]

    # Fechar o processo ffmpeg
    ffmpeg_process.stdout.close()
    ffmpeg_process.wait()

    return subtitles

class SpeechRecognitionApp(tk.Tk):
    def __init__(self):
        super().__init__()
        self.title("Gerador de Legendas")
        self.geometry("500x500")

        self.file_path = tk.StringVar()
        self.language_choice = tk.StringVar(value="en")

        tk.Label(self, text="Escolha o arquivo de vídeo:").pack(pady=10)
        tk.Button(self, text="Procurar", command=self.browse_file).pack(pady=5)

        tk.Label(self, text="Selecione o idioma para reconhecimento:").pack(pady=10)
        tk.Radiobutton(self, text="Inglês", variable=self.language_choice, value="en").pack(anchor=tk.W)
        tk.Radiobutton(self, text="Português", variable=self.language_choice, value="pt").pack(anchor=tk.W)
        tk.Radiobutton(self, text="Espanhol", variable=self.language_choice, value="es").pack(anchor=tk.W)

        self.display_text = tk.Text(self, wrap="word", width=60, height=10)
        self.display_text.pack(pady=10)

        self.start_recognition_button = tk.Button(self, text="Iniciar Reconhecimento", command=self.start_recognition_process)
        self.start_recognition_button.pack(pady=10)

    def browse_file(self):
        self.file_path.set(filedialog.askopenfilename(filetypes=[("Arquivos de Vídeo", "*.mp4")]))
        file_path = self.file_path.get()
        self.display_text.delete(1.0, tk.END)
        self.display_text.insert(tk.END, f"Arquivo de vídeo: {file_path}")

    def start_recognition_process(self):
        file_path = self.file_path.get()
        language = self.language_choice.get()
        if not file_path:
            self.display_text.delete(1.0, tk.END)
            self.display_text.insert(tk.END, "Selecione um arquivo de vídeo.")
            return

        if not os.path.isfile(file_path):
            self.display_text.delete(1.0, tk.END)
            self.display_text.insert(tk.END, "O arquivo de vídeo não existe.")
            return

        # Limpar o texto reconhecido anterior
        self.display_text.delete(1.0, tk.END)

        # Desabilitar o botão de início para evitar múltiplas execuções
        self.start_recognition_button.config(state=tk.DISABLED)

        # Iniciar o processo de reconhecimento em uma thread separada
        threading.Thread(target=self.perform_recognition, args=(file_path, language)).start()

    def save_subtitles(self, output_file, subtitles):
        # Cria um arquivo .srt com as legendas geradas
        with open(output_file, "w", encoding="utf-8") as f:
            for subtitle in subtitles:
                f.write(str(subtitle))
                f.write('\n')

        self.display_text.delete(1.0, tk.END)
        self.display_text.insert(tk.END, f"Processo concluído. Legenda gerada em {output_file}")

    def perform_recognition(self, file_path, language):
        try:
            subtitles = pysrt.SubRipFile()
            self.display_text.insert(tk.END, "Iniciando o reconhecimento...\n")
            self.update_idletasks()

            blocks = recognize_speech(file_path, language, self.display_text, subtitles)

            # Obter o caminho do arquivo de saída .srt
            output_file = os.path.splitext(file_path)[0]
            if language == "en":
                output_file += "_ing.srt"
            elif language == "pt":
                output_file += "_por.srt"
            elif language == "es":
                output_file += "_esp.srt"

            # Salvar as legendas em formato .srt
            self.save_subtitles(output_file, subtitles)

        except Exception as e:
            self.display_text.insert(tk.END, f"Erro durante o reconhecimento: {str(e)}\n")
            self.update_idletasks()

        finally:
            # Habilitar o botão de início após o término do reconhecimento
            self.start_recognition_button.config(state=tk.NORMAL)

if __name__ == "__main__":
    app = SpeechRecognitionApp()
    app.mainloop()
 

Gerador de Legendas - 4.0

- Nesta versão o arquivo de entrada é recebido como parâmetro do script .py e o arquivo de saída será a legenda traduzida e terá o mesmo nome do arquivo de entrada com a extensão .srt .

import os
import subprocess
import vosk
import pysrt
import json
import sys

if len(sys.argv) != 2:
    print("Uso: python3 nome_do_script.py arquivo_de_entrada.mp4")
    sys.exit(1)

# Caminho do arquivo de vídeo (arquivo de entrada)
video_file = sys.argv[1]

# Verificar se o arquivo de entrada existe
if not os.path.isfile(video_file):
    print("O arquivo de entrada não existe.")
    sys.exit(1)

# Caminho do arquivo de saída (legendas em pt-BR)
output_file = os.path.splitext(video_file)[0] + ".srt"

# Comando FFmpeg para extrair o áudio e converter para WAV
ffmpeg_command = f"ffmpeg -y -i {video_file} -vn -acodec pcm_s16le -ar 16000 -ac 1 -f wav -"
ffmpeg_process = subprocess.Popen(ffmpeg_command, shell=True, stdout=subprocess.PIPE, stderr=subprocess.DEVNULL)

# Carregar o modelo de idioma Vosk
model_path = "vosk-model-small-en-us-0.15"
model = vosk.Model(model_path)
sample_rate = 16000

# Inicializar o reconhecedor de fala Vosk
rec = vosk.KaldiRecognizer(model, sample_rate)
rec.SetWords(True)

# Realizar o reconhecimento de fala por blocos de áudio
subtitles = pysrt.SubRipFile()
start_time = 0
prev_end_time = 0

while True:
    # Ler o próximo bloco de áudio do processo ffmpeg
    audio_data = ffmpeg_process.stdout.read(sample_rate * 2 * 10)
    if len(audio_data) == 0:
        break

    # Realizar o reconhecimento de fala no bloco atual
    rec.AcceptWaveform(audio_data)

    # Extrair o texto reconhecido do resultado
    result = json.loads(rec.Result())

    if "result" in result:
        transcript = " ".join([word["word"] for word in result["result"]])

        if transcript.strip():  # Verificar se o texto não está vazio
            #print(f"{start_time:.2f}s - {transcript}")

            # Traduzir o texto para o português usando o translate-shell
            translation_command = ["trans", "-b", "-no-ansi", "-no-warn", "-no-auto", "-no-bidi", "-s", "en", "-t", "pt-br"]
            translation_process = subprocess.Popen(translation_command, stdin=subprocess.PIPE, stdout=subprocess.PIPE, stderr=subprocess.DEVNULL)
            translation, _ = translation_process.communicate(input=transcript.strip().encode())
            translation = translation.decode().strip()
            print(f"{start_time:.2f}s - {translation}")

            # Adicionar legenda traduzida ao arquivo de legendas
            block_duration = result["result"][-1]["end"] - prev_end_time
            start_timestamp = pysrt.SubRipTime(seconds=start_time)
            end_timestamp = pysrt.SubRipTime(seconds=start_time + block_duration)
            subtitles.append(pysrt.SubRipItem(index=len(subtitles) + 1, start=start_timestamp, end=end_timestamp, text=translation))

            # Atualizar o tempo de início para o próximo bloco
            start_time += block_duration
            prev_end_time = result["result"][-1]["end"]

# Fechar o processo ffmpeg
ffmpeg_process.stdout.close()
ffmpeg_process.wait()

# Salvar legendas em pt-BR
subtitles.save(output_file, encoding="utf-8")

print("Processo concluído. Legenda em pt-BR gerada em", output_file)

Gerador de Legendas - 3.0

- Nesta versão o tamanho do bloco a ser lido não é mais fixo, depende das pausas existente no áudio. Parece ter gerado melhores legendas.

import os
import subprocess
import vosk
import pysrt
import json

# Caminho do arquivo de vídeo
video_file = "movie.mp4"

# Caminho do arquivo de saída (legendas em pt-BR)
output_file = "traducaoptbrblocovariavel.srt"

# Comando FFmpeg para extrair o áudio e converter para WAV
ffmpeg_command = f"ffmpeg -y -i {video_file} -vn -acodec pcm_s16le -ar 16000 -ac 1 -f wav -"
ffmpeg_process = subprocess.Popen(ffmpeg_command, shell=True, stdout=subprocess.PIPE, stderr=subprocess.DEVNULL)

# Carregar o modelo de idioma Vosk
model_path = "vosk-model-small-en-us-0.15"
model = vosk.Model(model_path)
sample_rate = 16000

# Inicializar o reconhecedor de fala Vosk
rec = vosk.KaldiRecognizer(model, sample_rate)
rec.SetWords(True)

# Realizar o reconhecimento de fala por blocos de áudio
subtitles = pysrt.SubRipFile()
start_time = 0
prev_end_time = 0

while True:
    # Ler o próximo bloco de áudio do processo ffmpeg
    audio_data = ffmpeg_process.stdout.read(sample_rate * 2 * 10)
    if len(audio_data) == 0:
        break

    # Realizar o reconhecimento de fala no bloco atual
    rec.AcceptWaveform(audio_data)

    # Extrair o texto reconhecido do resultado
    result = json.loads(rec.Result())

    if "result" in result:
        transcript = " ".join([word["word"] for word in result["result"]])

        if transcript.strip():  # Verificar se o texto não está vazio
            print(f"{start_time:.2f}s - {transcript}")

            # Traduzir o texto para o português usando o translate-shell
            translation_command = ["trans", "-b", "-no-ansi", "-no-warn", "-no-auto", "-no-bidi", "-s", "en", "-t", "pt-br"]
            translation_process = subprocess.Popen(translation_command, stdin=subprocess.PIPE, stdout=subprocess.PIPE, stderr=subprocess.DEVNULL)
            translation, _ = translation_process.communicate(input=transcript.strip().encode())
            translation = translation.decode().strip()
            print(f"{start_time:.2f}s - {translation}")

            # Adicionar legenda traduzida ao arquivo de legendas
            block_duration = result["result"][-1]["end"] - prev_end_time
            start_timestamp = pysrt.SubRipTime(seconds=start_time)
            end_timestamp = pysrt.SubRipTime(seconds=start_time + block_duration)
            subtitles.append(pysrt.SubRipItem(index=len(subtitles) + 1, start=start_timestamp, end=end_timestamp, text=translation))

            # Atualizar o tempo de início para o próximo bloco
            start_time += block_duration
            prev_end_time = result["result"][-1]["end"]

# Fechar o processo ffmpeg
ffmpeg_process.stdout.close()
ffmpeg_process.wait()

# Salvar legendas em pt-BR
subtitles.save(output_file, encoding="utf-8")

print("Processo concluído. Legenda em pt-BR gerada em", output_file)

 

Gerador de Legendas - 2.0

- Pequena alteração no código para otimização do tempo de resposta. O comando FFmpeg é executado como um subprocesso PIPE, isto evita o carregamento do código do programa para a memória a cada execução em um bloco de áudio. 

import os
import subprocess
import vosk
import pysrt
import json

# Caminho do arquivo de vídeo
video_file = "movie.mp4"

# Caminho do arquivo de saída (legendas em pt-BR)
output_file = "legendatraduzidaveloz.srt"

# Comando FFmpeg para extrair o áudio e converter para WAV
ffmpeg_command = f"ffmpeg -y -i {video_file} -vn -acodec pcm_s16le -ar 16000 -ac 1 -f wav -"
ffmpeg_process = subprocess.Popen(ffmpeg_command, shell=True, stdout=subprocess.PIPE, stderr=subprocess.DEVNULL)

# Carregar o modelo de idioma Vosk
model_path = "vosk-model-small-en-us-0.15"
model = vosk.Model(model_path)
sample_rate = 16000

# Inicializar o reconhecedor de fala Vosk
rec = vosk.KaldiRecognizer(model, sample_rate)
rec.SetWords(True)

# Configurações do bloco de áudio
block_size = 9  # Duração em segundos de cada bloco de áudio

# Realizar o reconhecimento de fala por blocos de áudio
subtitles = pysrt.SubRipFile()
start_time = 0

while True:
    # Ler o próximo bloco de áudio do processo ffmpeg
    audio_data = ffmpeg_process.stdout.read(sample_rate * 2 * block_size)
    if len(audio_data) == 0:
        break

    # Realizar o reconhecimento de fala no bloco atual
    rec.AcceptWaveform(audio_data)
    result = rec.Result()

    # Extrair o texto reconhecido do resultado
    if result:
        transcript = json.loads(result)["text"]

        if transcript.strip():  # Verificar se o texto não está vazio
            print(f"{start_time:.2f}s - {transcript}")

            # Traduzir o texto para o português usando o translate-shell
            translation_command = ["trans", "-b", "-no-ansi", "-no-warn", "-no-auto", "-no-bidi", "-s", "en", "-t", "pt-br"]
            translation_process = subprocess.Popen(translation_command, stdin=subprocess.PIPE, stdout=subprocess.PIPE, stderr=subprocess.DEVNULL)
            translation, _ = translation_process.communicate(input=transcript.strip().encode())
            translation = translation.decode().strip()
            print(f"{start_time:.2f}s - {translation}")

            # Adicionar legenda traduzida ao arquivo de legendas
            start_timestamp = pysrt.SubRipTime(seconds=start_time)
            end_timestamp = pysrt.SubRipTime(seconds=start_time + block_size)
            subtitles.append(pysrt.SubRipItem(index=len(subtitles) + 1, start=start_timestamp, end=end_timestamp, text=translation))

    # Atualizar o tempo de início para o próximo bloco
    start_time += block_size

# Fechar o processo ffmpeg
ffmpeg_process.stdout.close()
ffmpeg_process.wait()

# Salvar legendas em pt-BR
subtitles.save(output_file, encoding="utf-8")

print("Processo concluído. Legenda em pt-BR gerada em", output_file)

Gerador de Legendas

# Script em linguagem Python gerador de legendas em português a partir de vídeos em inglês

import os
import subprocess
import vosk
import pysrt
import json

# Caminho do arquivo de vídeo
video_file = "movie.mp4"

# Caminho do arquivo de saída (legendas em pt-BR)
output_file = "traducaoptbr.srt"

# Comando FFmpeg para extrair o áudio e converter para WAV
ffmpeg_command = f"ffmpeg -y -i {video_file} -vn -acodec pcm_s16le -ar 16000 -ac 1 audio.wav > /dev/null 2>&1"
subprocess.call(ffmpeg_command, shell=True)

# Carregar o modelo de idioma Vosk
model_path = "vosk-model-small-en-us-0.15"
model = vosk.Model(model_path)
sample_rate = 16000

# Inicializar o reconhecedor de fala Vosk
rec = vosk.KaldiRecognizer(model, sample_rate)
rec.SetWords(True)

# Configurações do bloco de áudio
block_size = 10  # Duração em segundos de cada bloco de áudio

# Realizar o reconhecimento de fala por blocos de áudio
subtitles = pysrt.SubRipFile()
total_duration = os.path.getsize("audio.wav") / (sample_rate * 2)  # Tamanho do arquivo em bytes / taxa de amostragem / bytes por amostra (2 bytes)
start_time = 0

while start_time < total_duration:
    end_time = min(start_time + block_size, total_duration)

    # Carregar o bloco de áudio atual
    audio_file = "audio.wav"
    ffmpeg_command = f"ffmpeg -y -ss {start_time} -i {audio_file} -t {block_size} audio_block.wav > /dev/null 2>&1"
    subprocess.call(ffmpeg_command, shell=True)

    # Realizar o reconhecimento de fala no bloco atual
    with open("audio_block.wav", "rb") as f:
        audio_data = f.read()
        rec.AcceptWaveform(audio_data)
        result = rec.Result()

    # Extrair o texto reconhecido do resultado
    if result:
        result_json = json.loads(result)
        transcript = result_json["text"]

        if transcript.strip():  # Verificar se o texto não está vazio
            print(f"{start_time:}s - {transcript}")
            # Traduzir o texto para o português usando o translate-shell
            input_file = "transcript.txt"
            output_file = "translation.txt"
            with open(input_file, "w") as f:
                f.write(transcript.strip())
            command = f"trans -b -no-ansi -no-warn -no-auto -no-bidi -s en -t pt-br -i {input_file} > {output_file}"
            subprocess.call(command, shell=True)
            with open(output_file, "r") as f:
                translation = f.read().strip()
                print(f"{start_time:}s - {translation}")
            # Adicionar legenda traduzida ao arquivo de legendas
            start_timestamp = pysrt.SubRipTime(seconds=start_time)
            end_timestamp = pysrt.SubRipTime(seconds=end_time)
            subtitles.append(pysrt.SubRipItem(index=len(subtitles) + 1, start=start_timestamp, end=end_timestamp, text=translation))

    # Atualizar o tempo de início para o próximo bloco
    start_time = end_time

# Salvar legendas em pt-BR
subtitles.save(output_file, encoding="utf-8")

print("Processo concluído. Legenda em pt-BR gerada em", output_file)
   
   1. Dependências:
        ffmpeg: É uma ferramenta de linha de comando para manipulação de arquivos de áudio e vídeo.
        vosk: É uma biblioteca de reconhecimento de fala offline.
        translate-shell: É uma interface de linha de comando para os serviços de tradução online.
        pysrt: É uma biblioteca para criar, modificar e extrair informações de arquivos de legendas em formato SubRip.
        json: É um módulo nativo do Python para trabalhar com dados JSON.
        os: É um módulo que fornece várias funções relacionadas ao sistema operacional.
        subprocess: É um módulo usado para executar comandos do sistema operacional a partir do Python.
        
   2. Instalação das dependências:
        ffmpeg: Você pode instalar o ffmpeg seguindo as instruções disponíveis em https://ffmpeg.org/download.html.
        vosk: Para instalar a biblioteca vosk, você pode usar o gerenciador de pacotes pip com o seguinte comando: pip install vosk.
        pysrt: Para instalar a biblioteca pysrt, você pode usar o pip com o seguinte comando: pip install pysrt.
        Certifique-se de que todas as dependências estejam corretamente instaladas.
        Certifique-se que os caminhos dos arquivos de entrada e saída estejam definidos corretamente no script.
        A biblioteca Vosk pode ser encontrada no GitHub, no seguinte repositório: https://github.com/alphacep/vosk-api
        Para usar a biblioteca Vosk, siga estas etapas:
        Clone o repositório Vosk-API em seu ambiente:
             no bash digite: git clone https://github.com/alphacep/vosk-api.git
             Navegue até o diretório vosk-api/python: cd vosk-api/python
             Instale as dependências necessárias: pip install -r requirements.txt
             Instale a biblioteca Vosk: python setup.py install
             Baixe os modelos de idioma do Vosk que estão no repositório Vosk-API ou em https://alphacephei.com/vosk/models
        
   3. Arquivos de entrada e saída:
        Arquivo de vídeo: O caminho do arquivo de vídeo deve ser definido na variável video_file.
        Arquivo de áudio gerado: O script gera um arquivo chamado "audio.wav" que contém o áudio extraído do arquivo de vídeo. O caminho e o nome deste arquivo são definidos na variável audio_file.
        Arquivo de saída: O script gera também um arquivo cujo nome é definido na variável output_file. Este arquivo contém as legendas traduzidas do inglês para o português (pt-BR).

   4. Funcionamento do script:
        O script usa o ffmpeg para extrair o áudio do arquivo de vídeo movie.mp4 e convertê-lo para o formato WAV. O FFmpeg é executado com o seguinte comando: ffmpeg -y -i {video_file} -vn -acodec pcm_s16le -ar 16000 -ac 1 {audio_file} > /dev/null 2>&1.
        Em seguida, o script carrega o modelo de idioma do Vosk para realizar o reconhecimento de fala no áudio.
        O módulo os é usado para obter informações sobre o arquivo de áudio gerado audio.wav, como o tamanho do arquivo em bytes.
        O reconhecimento de fala é feito em blocos de áudio definidos pela variável block_size.
        Cada bloco de áudio é processado e o texto reconhecido é traduzido para o português usando o translate-shell.
        A tradução utiliza o serviço do Google Translate através do Translate-Shell.
        As legendas traduzidas são adicionadas a um arquivo de legendas em formato SubRip (.srt) usando a biblioteca pysrt.
        Por fim, o arquivo de legendas traducaoptbr.srt é salvo no caminho definido pela variável output_file.

Pedestal Para Celular

 - Suporte para manter o celular fixo durante uma filmagem.

Cabos de Faca

- Um cabo feito com plástico derretido numa sanduicheira e "acabamento" com o soprador térmico;

- o outro feito com um cabo de resistência elétrica.

 

-

Aplicação da Cantoneira Alternativa

 

 

Cantoneira Alternativa

- Feita com perfil em U;

- Uso de dobras para fixar as laterais internas;

- Se necessário as dobras podem ocupar a parte interna do perfil.

 

Domo Alternativo Simplificado

- Ideia de domo para usar uma tira contínua qualquer com espaços regulares. Neste protótipo foi usado uma mangueira com intervalos de 10 cm;

- Alguns nós estão desconectados pois os parafusos usados são curtos;

- Os centros dos pentágonos estão vazios e os hexágonos não foram completamente formados;

- Foram usadas 5 tiras de 7 espaços, 5 tiras de 6 espaços e 1 tira de 15 espaços. 

DomoPet 3.0

- Ideia de estrutura feita 100% em PET;

- Distância regular de 22 cm entre os nós.