Papotech Editor
Automação de edição de podcasts com Python
Ferramenta de linha de comando que automatiza a parte repetitiva da edição dos episódios do Papotech, podcast de um projeto de extensão. Ela recebe as gravações de dois microfones e devolve os áudios sincronizados, com pausas longas encurtadas, transcrição e uma lista de trechos para revisar.
- Tipo
- Ferramenta de linha de comando
- Papel
- Desenvolvimento individual
- Contexto
- Podcast do projeto de extensão Papotech
- Stack
- Python · FFmpeg · Whisper
Como funciona
Com os arquivos mic1.wav e mic2.wav na pasta de entrada, um único
comando (python main.py) executa todo o fluxo:
- GravaçõesLê os dois microfones do episódio.
- SincronizaçãoEncontra as palmas do início e alinha os arquivos.
- ProcessamentoEncurta pausas longas com o mesmo corte nos dois áudios.
- TranscriçãoTranscreve com Whisper e marca trechos para revisar.
- Arquivos de saídaWAVs editados, mix de referência e relatórios.
Problema e objetivo
O problema
Cada episódio é gravado com dois microfones, em dois arquivos separados. Antes de editar de verdade, era preciso alinhar os arquivos, encontrar e encurtar pausas longas e ouvir tudo procurando erros de fala — tarefas repetitivas que se repetem em todo episódio.
O objetivo
Reduzir esse trabalho manual: automatizar a sincronização, a redução de pausas e a localização de erros de fala, deixando para a edição humana apenas o acabamento final no CapCut.
Minha participação
Desenvolvi a ferramenta sozinho, a partir da minha própria rotina de edição do podcast:
levantei as etapas repetitivas, escrevi o pipeline em Python e organizei o código em módulos
de sincronização, cortes, transcrição e relatórios, com os parâmetros centralizados em
config.py.
Tecnologias
- Python
- FFmpeg
- Pydub
- NumPy
- SciPy
- OpenAI Whisper
- PyTorch
Funcionalidades
- Sincronização automática dos dois microfones a partir das palmas.
- Redução de pausas longas, com os mesmos cortes nos dois arquivos.
- Mix de referência normalizado para conferir o resultado.
- Transcrição com Whisper em português, com timestamps por palavra.
- Marcações de repetições, gaguejos e do aviso “corta” dito durante a gravação.
- Timestamps no tempo do CapCut, já somando a duração da vinheta de abertura.
- Relatórios em TXT, SRT e CSV, incluindo a lista de pausas encurtadas.
- Resumo final com a duração prevista do episódio e aviso se ficar abaixo de 1 hora.
Decisões técnicas
- Um comando, etapas separadas.
main.pysó orquestra; cada etapa fica em um módulo (audio/,analysis/,reports/,utils/). - Parâmetros em
config.py. Limiares, durações e caminhos mudam sem mexer na lógica. - Falhar cedo. Se a sincronização não for confiável, o programa para com uma mensagem clara em vez de gerar um episódio errado.
- A transcrição aponta, não corta. Erros de fala viram marcações para revisão; a decisão de cortar continua humana.
Desafios e soluções
Encontrar as palmas com confiança
As palmas são a referência de sincronização, mas o começo da gravação também tem fala, ruído e outros sons fortes.
Energia RMS + detecção de picos
Só os primeiros 20 s são analisados. O áudio vira energia RMS em janelas de cerca de 10 ms, os picos são encontrados com scipy.signal.find_peaks e o programa escolhe o par mais forte com intervalo entre 350 ms e 1,2 s.
Nunca entregar áudio dessincronizado
Um alinhamento errado estraga o episódio inteiro, e é difícil perceber o erro só ouvindo um trecho.
Validar antes de cortar
Se o intervalo entre as palmas difere mais de 150 ms entre os microfones, o processo para com uma mensagem de erro. Se passa, o deslocamento é calculado pelo centro do par de palmas, as palmas são removidas e os dois arquivos ficam com a mesma duração.
Encurtar pausas sem picotar a fala
Remover todo silêncio deixa a conversa artificial, e um limiar fixo não funciona para gravações com volumes diferentes.
Limiar adaptativo e corte pelo meio
Só pausas acima de 2,5 s são alteradas. O limiar de silêncio sai do volume médio da gravação (dBFS − 18, entre −50 e −32 dBFS). O programa remove só o meio da pausa e mantém de 0,8 s a 1,2 s, conforme a duração original.
Manter os microfones alinhados depois dos cortes
Se cada microfone fosse cortado com base no próprio áudio, os arquivos voltariam a ficar fora de sincronia.
Um único mapa de cortes
O mapa de cortes é calculado uma vez, sobre o mix dos dois microfones, e aplicado igualmente aos dois arquivos.
Achar erros de fala em um episódio longo
Ouvir mais de uma hora de áudio procurando repetições e trechos para cortar é lento e cansativo.
Transcrição normalizada + regras
A transcrição é normalizada (minúsculas, sem acentos e pontuação) e comparada com expressões como “corta”, “vou repetir” e “pera aí”. Palavras e frases curtas repetidas também são marcadas, cada uma com 1,5 s de margem antes e depois.
Resultados verificáveis
- Código público e organizado em módulos no repositório do projeto.
- Pipeline completo de oito etapas executado com um único comando.
- Oito arquivos de saída prontos para o acabamento no CapCut: áudios editados, mix de referência, transcrição, legendas e relatórios.
Aprendizados
- Processamento de áudio na prática: energia RMS, detecção de picos e limiares em dBFS.
- Validar a entrada e falhar com uma mensagem clara em vez de gerar um resultado errado.
- Separar o código em módulos com responsabilidades claras e centralizar parâmetros.
- Automatizar só o que é repetitivo e deixar as decisões criativas para a edição humana.
O que o programa entrega
saida/
├── 01_MIC1_EDITADO.wav # microfone 1 com os cortes
├── 02_MIC2_EDITADO.wav # microfone 2 com os mesmos cortes
├── 03_MIX_REFERENCIA.mp3 # mix para conferência
├── 04_transcricao.txt
├── 05_transcricao.srt
├── 06_marcacoes.txt # trechos para revisar
├── 07_marcacoes.csv # início e fim no tempo do CapCut
└── 08_cortes_pausas.csv # cada pausa encurtadaArquivos gerados na pasta saida/, com os nomes definidos no código do projeto.