🎬 Cortes-Quazans

Sistema profissional de edição de vídeos virais baseado em IA, otimizado para Google Colab, Kaggle e uso local.

📌 Fork customizado do ViralCutter com funcionalidades extras e integração completa com Google Colab + Kaggle.

---

🚀 Funcionalidades

✅ Detecção Inteligente de Faces (InsightFace, MediaPipe, Haar Cascade)
✅ Corte Automático para Formato Vertical (9:16 para TikTok/Reels)
✅ Marca d'Água Customizável (dinâmico na interface)
✅ LLM Local (DeepSeek-R1 para processamento offline)
✅ Transcrição com WhisperX (alinhamento perfeito)
✅ Geração de Legendas com sincronização precisa
✅ Integração com Google Drive (upload automático)
✅ Suporte para GPU (NVIDIA, AMD, Intel)

---

📦 Instalação

🌐 Google Colab (Rápido, 12h GPU/semana)

Clique no badge abaixo para abrir direto:

Ou copie e cole no Colab:

https://colab.research.google.com/github/masterface77/Cortes-Quazans/blob/master/notebooks/Cortes_Quazans.ipynb

1. Execute todas as células (instalação + execução)
2. Configure GITHUB_TOKEN em Colab Secrets (🔑 ícone)
3. Acesse a interface web através do link gradio.live
4. Conecte ao Google Drive para salvar os vídeos

⚡ LLM: Usa Gemini API (grátis, 15 req/min)

---

⚡ Kaggle (Recomendado para produção, 30h GPU/semana)

Clique no badge abaixo para importar:

Ou copie e cole no Kaggle:

1. Vá em https://www.kaggle.com/code
2. Clique em "Import Notebook"
3. Cole esta URL:

https://raw.githubusercontent.com/masterface77/Cortes-Quazans/master/notebooks/Kaggle_Cortes_Quazans.ipynb

Vantagens do Kaggle:

• ⚡ 30h/semana de GPU (vs 12h Colab)
• 🤖 DeepSeek-R1 local (processamento ilimitado, offline)
• 💾 Datasets persistentes (modelos pré-baixados, setup rápido)
• 🚀 2x T4 GPU disponível

Configurar:

1. Add-ons > Secrets > Add Secret
2. Nome: GITHUB_TOKEN
3. Valor: Token de https://github.com/settings/tokens

🤖 LLM: DeepSeek-R1 local (~4.3GB, baixar 1x e salvar como dataset)

💻 Uso Local

# Clone o repositório (privado)
git clone https://github.com/masterface77/Cortes-Quazans.git
cd Cortes-Quazans

# Crie ambiente virtual
python -m venv .venv
.venv\Scripts\activate  # Windows
# source .venv/bin/activate  # Linux/Mac

# Instale dependências (use UV para velocidade)
pip install uv
uv pip install -r requirements.txt

# Execute a interface web
python webui/app.py

---

🎨 Marca d'Água Personalizada

O sistema adiciona automaticamente uma marca d'água em todos os vídeos gerados.

Customização via Interface (Novo!)

Na interface Gradio, vá para a aba "🎨 Watermark" e:

1. Digite seu texto principal (ex: "SIGA @USUARIO")
2. Digite o subtexto (ex: "Link na Bio")
3. Ajuste tamanho (opcional)
4. Clique em "Gerar Watermark"
5. Preview em tempo real!
6. Todos os vídeos usarão seu watermark customizado

Customização Manual

1. Adicione sua imagem em assets/watermark.png ou assets/watermark_custom.png
2. Configurações padrão:
   • Posição: Canto superior direito
   • Opacidade: 90%
   • Tamanho: 30% da largura do vídeo

Personalizar posição:

Edite scripts/edit_video.py na função finalize_video():

# Alterar posição
-vf overlay=main_w-overlay_w-20:20  # Superior direito (padrão)
-vf overlay=20:20  # Superior esquerdo
-vf overlay=(main_w-overlay_w)/2:20  # Superior centralizado

💡 Sem imagem? O sistema continua funcionando normalmente sem erro.

---

📚 Uso

Interface Web

1. Importe vídeo ou cole link do YouTube
2. Selecione modo de detecção:
   • 1 Face - Foco em uma pessoa
   • 2 Faces - Podcast/entrevista
   • Auto - Detecta automaticamente
3. Configure legendas (opcional)
4. Customize watermark na aba 🎨 Watermark
5. Processe e aguarde a geração

Via Colab/Kaggle

Os vídeos finais são automaticamente salvos em:

Google Drive > Cortes-Quazans_Videos/

---

🔧 Requisitos

• Python 3.10+
• FFmpeg (instalado automaticamente no Colab)
• GPU recomendada (funciona com CPU mas é mais lento)
• 16GB RAM mínimo

Dependências Principais

• torch==2.3.1 (CUDA 12.1)
• transformers==4.46.3 (versão crítica para alinhamento)
• whisperx (transcrição)
• insightface (detecção de faces)
• mediapipe (tracking)
• moviepy (edição)

---

⚙️ Estrutura do Projeto

Cortes-Quazans/
├── assets/              # Imagens (watermark, etc)
├── notebooks/           
│   ├── Cortes_Quazans.ipynb      # Google Colab
│   └── Kaggle_Cortes_Quazans.ipynb  # Kaggle + DeepSeek
├── scripts/             
│   ├── edit_video.py        # Pipeline principal (com watermark)
│   ├── generate_watermark.py  # Gerador dinâmico de watermark
│   ├── llm_local.py         # DeepSeek-R1 + Gemini fallback
│   └── ...
├── webui/               
│   ├── app.py              # Interface Gradio (com aba watermark)
│   └── ...
├── i18n/                # Traduções (PT-BR, EN)
├── docs/                # Troubleshooting e customizações
├── requirements.txt     
└── README.md

---

🤝 Créditos

Este projeto é baseado no excelente trabalho do ViralCutter por @RafaelGodoyEbert.

Modificações neste fork:

• ✨ Watermark dinâmico (customizável via interface)
• 🤖 LLM Local (DeepSeek-R1 para Kaggle)
• 📓 Notebooks otimizados (Colab + Kaggle)
• 🔐 Suporte para repositório privado
• 🛠️ Correções Kaggle (DeepSeek + Build fixes)
• 📖 Documentação completa em português
• ⚡ 30h GPU/semana grátis (via Kaggle)

---

📄 Licença

Este projeto mantém a mesma licença do projeto original ViralCutter.
Consulte o arquivo LICENSE para detalhes.

---

💬 Suporte

Para dúvidas ou problemas:

1. Verifique a documentação do ViralCutter original
2. Consulte o arquivo TROUBLESHOOTING.md
3. Abra uma issue (apenas problemas específicos deste fork)

---

Desenvolvido com ❤️ para criadores de conteúdo