A primeira seção, Em desenvolvimento, é o canal de teste: são mudanças que ainda não saíram na versão estável. Dentro do programa, a mesma lista está em Ajuda → Novidades desta versão.

Changelog

Em desenvolvimento (ramo beta)

• F1 abre a lista de tudo o que o Transcritório faz. O programa passou a ter mais de sessenta comandos e quase quarenta teclas de atalho, e não havia nenhuma tela onde consultá-los: quem esquecia uma tecla tinha de caçá-la nos menus. Agora F1 (ou Ajuda → “Atalhos e comandos”) abre uma janela com todos eles, agrupados pelo menu onde moram, com a tecla de cada um e o que faz — e uma caixa de busca que aceita tanto o nome quanto a tecla: digitar altp acha “Passar o fim para o próximo”. A janela não é modal e não interrompe nada, porque atalho se consulta no meio da revisão; dá para copiar a lista ou salvá-la em texto para imprimir e deixar ao lado do computador.

  • A lista não é escrita à mão: é lida da própria barra de menus toda vez que a janela abre. Comando novo aparece nela sozinho, e nunca fica desatualizada.
  • Um teste garante que nenhuma tecla fica escondida: se uma ação tem atalho e não aparece na consulta, a suíte quebra.

• O menu Ajuda deixou de ser um beco. O item “Documentação” procurava um arquivo que o programa nunca gerou, e por isso quase sempre respondia que a documentação “não foi encontrada nesta pasta”. Ele virou Ajuda → Como usar o Transcritório: um manual que vem dentro do programa, funciona sem internet e é o da versão que você está rodando — o caminho do começo ao fim, do projeto novo até a exportação, com o ciclo de revisão pelo teclado. Um botão abre o manual completo, com imagens, no site.

  • “Fluxo de trabalho”, que era um aviso de uma frase só, virou o primeiro parágrafo desse manual e saiu do menu.
  • Dois textos ainda mandavam o usuário ao menu “Arquivo”, que não existe desde a reforma da interface — um deles no LEIA-ME gravado dentro de cada projeto. Corrigidos para “Projeto”.
  • Um teste confere que todo caminho de menu citado no manual existe de verdade na barra de menus. Renomear uma ação e esquecer o manual passou a quebrar a suíte.

• Quem já usa o programa passa a saber o que mudou. Quem instala pela primeira vez explora; quem já usa aprendeu um caminho, ele funciona, e nunca mais abre os menus para ver se apareceu algo novo — então um recurso feito ontem simplesmente não existia para essa pessoa. Agora, quando você abre uma versão nova, uma faixa discreta na lista diz o que mudou, com o caminho ou a tecla de cada coisa. Ajuda → Novidades desta versão mostra a lista quando você quiser, inclusive depois de dispensar o aviso.

  • A faixa cede o lugar: some enquanto um lote está rodando e enquanto houver qualquer outro aviso na tela que peça uma ação sua.
  • Em computador recém-instalado ela não aparece: quem acabou de instalar não tem novidade em relação a nada.

• Uma volta guiada pela janela. Na primeira vez que você abre um projeto, uma faixa oferece uma volta de dois minutos: oito passos curtos, cada um apontando o lugar real na janela — o botão de adicionar gravações, o Transcrever, a lista, o Estúdio, as teclas, as vozes, os documentos, a ajuda — e explicando em duas linhas o que ele faz. Não é uma janela que trava o programa: é um cartão que fica por cima, e você pode mexer na janela enquanto lê. Dá para recusar e fazer depois: fica em Ajuda → Volta guiada. Com o Estúdio fechado, os passos dele apontam a lista e dizem como abrir uma entrevista.

• Preparar modelos não vai mais à internet pelo que já está no seu disco. Uma transcrição em espanhol falhou com “A tarefa terminou com erro” — e a causa não era o espanhol. Faltava só o pacote de alinhamento desse idioma, que é aberto; a caixa de preparação, vendo isso, não pediu o token do Hugging Face. Mas o passo seguinte conferia todos os modelos pela rede, um por um, inclusive o de separação de falantes, que é restrito e já estava inteiro no disco. Sem token, o servidor respondeu 401; um modelo “falhou”; a preparação inteira foi dada como falha; e a transcrição, que esperava por ela, nunca começou. Agora um modelo completo no disco não é consultado — o que também faz a preparação funcionar sem internet e terminar na hora quando não falta nada. Quem quiser forçar a verificação continua podendo, pela linha de comando (--force, que até aqui não fazia nada).

  • A caixa de erro passou a dizer qual modelo falhou e por quê, em português: “o Hugging Face recusou o acesso (401): o token está ausente ou inválido”, “a conta ainda não aceitou os termos deste modelo”, “sem conexão”. Antes, a causa real só sobrevivia no log.
  • Quando a preparação precisa mesmo ir ao Hugging Face por um modelo restrito, ela usa o token que você já guardou, mesmo que a caixa não o tenha pedido.

• Correções da revisão de 7 de setembro, sobre as três novidades acima, antes que saíssem do canal de teste:

  • Ajuda → Novidades desta versão passou a existir de verdade como item de menu. Era citado na barra de baixo e neste registro, mas só existia como aba da janela de ajuda — o mesmo beco do antigo “Documentação”.
  • A faixa de novidades aparecia em computador recém-instalado no Windows, ao contrário do prometido: o próprio programa grava uma marca ao criar o atalho da área de trabalho, antes de a janela nascer, e isso contava como “já usava”. E ela não cedia o lugar em dois momentos reais — no arranque, antes da janela aparecer, e no fim de um lote, quando a faixa de vozes por identificar acende depois dela. Os três casos corrigidos e testados.
  • Na janela F1, a coluna “O que faz” e a lista salva em texto mostravam só a primeira frase da explicação, cortando o resto — e escondendo justamente o “AI local — nada sai do seu computador” das ações de análise. Agora vem a explicação inteira.
  • Os botões “no site” da ajuda levavam à página inicial; agora o do manual abre o manual e o do histórico abre a lista completa de mudanças. A frase do manual sobre gravações movidas descrevia um fluxo que não existe; agora diz o que o programa realmente faz.
  • Um teste da suíte gravava no app_settings.json real de quem a roda. Corrigido, com um gate novo que impede o padrão de voltar.

• Consertar uma fronteira de falante virou um gesto. Quando a separação automática erra, um bloco atribuído a uma pessoa contém, a partir de certo ponto, a fala de outra. Arrumar isso custava cinco gestos: clicar no ponto, dividir, abrir o seletor de falante, escolher a pessoa certa e juntar com o bloco dela — e o último só funcionava depois do quarto, porque juntar recusava falantes diferentes. Agora são dois: clicar no ponto e Alt+P (“Passar o fim para o próximo”) ou Alt+Shift+P (“Passar o começo para o anterior”). O falante não é perguntado: vem do bloco vizinho, que já tem o certo — por isso funciona igual numa entrevista a dois e num grupo focal. Com o cursor na ponta do texto, o bloco inteiro passa. Um único Ctrl+Z desfaz tudo.

  • Juntar blocos de falantes diferentes deixou de ser recusado. Agora junta, adotando o falante do bloco de cima, e a linha de estado diz qual ficou. A proteção não sumiu: mudou de barrar para avisar, com o desfazer à mão — o mesmo caminho que as caixas de confirmação de juntar e dividir já tinham tomado.
  • Alt+E abre a lista de falantes do bloco sem tirar a mão do teclado, para quando a fala é de alguém que não é vizinho.
  • Dividir um bloco marcado com 🔍 não duplica mais a marcação. A nota da verificação acústica é sobre a emenda com o bloco seguinte, então ela acompanha o pedaço da direita; antes os dois pedaços saíam marcados e o contador da faixa subia em vez de descer, justamente quando a pessoa estava consertando.

• O lote ficou mais rápido em computadores sem placa de vídeo — e a janela parou de mentir sobre onde vai o tempo. Tudo abaixo foi medido num notebook de 4 núcleos (simulado por afinidade de processo), sobre entrevistas inteiras do acervo real, e nada disso muda a qualidade: a transcrição sai idêntica caractere por caractere e a separação de vozes com DER 0,000%, mesmos segmentos e mesmos falantes.

  • A separação de falantes não é a etapa demorada. O app dizia que separar as vozes de 1 hora de entrevista levava ~22 minutos e transcrever ~6 — e concluía que valia a pena “deixar a separação para depois”. Medido: transcrever leva ~7,5 min e separar ~6 min. Ele errava o total pelo dobro e invertia a proporção; quem seguia o conselho adiava justamente a etapa barata. A conta usava uma regra que supunha ganho proporcional ao número de núcleos, e as duas etapas na verdade saturam.
  • Transcrever e separar as vozes agora acontecem ao mesmo tempo, no mesmo arquivo. As duas só leem o áudio, e quem junta as saídas é o passo seguinte — não havia motivo para esperar uma para começar a outra. Cerca de 11% menos tempo de lote. Onde a medição não sustenta o ganho, o app não sobrepõe: com placa de vídeo (as duas disputariam a mesma placa), com 2 núcleos ou menos, ou com menos de 8 GB de memória.
  • O modelo de transcrição é carregado uma vez por lote, não uma vez por entrevista. Eram 5 segundos e 2,2 GB relidos do disco a cada arquivo.
  • Nova escolha, antes de cada lote: “Mais rápido — usa o computador inteiro” ou “Posso usar o computador enquanto roda”. A segunda usa metade da máquina: cerca de 25% mais devagar, com a transcrição idêntica. O padrão continua sendo usar tudo, e quem não mexer não vê diferença nenhuma.

• “Perguntar às entrevistas com AI” passou a se chamar “Buscar por sentido e perguntar”. O nome antigo prometia a todo mundo uma resposta escrita que só roda com placa NVIDIA — e a maioria dos computadores não tem. O nome novo diz primeiro o que a função entrega sempre (os trechos das entrevistas que tratam do que você escreveu, achados pelo sentido e não pelas palavras exatas, em qualquer computador) e depois o que depende da máquina. O aviso da placa passou para o tooltip do menu e da barra, ou seja, antes do clique; dentro da janela, onde a resposta escrita não roda, o botão passa a se chamar ”✨ Buscar trechos” — não promete o que não entrega. Corrigido também um erro no site: a busca por sentido não usa o Qwen. Ela usa um encoder de recuperação (multilingual-e5) com um reordenador opcional (bge-reranker), que são pequenos e rodam no processador; o Qwen só entra no que precisa escrever (resumo, resposta, nomes de tema).

• “Aplicar todos os temas como códigos”. Faltava o passo entre descobrir os temas e ter um codebook utilizável: era preciso ir tema a tema, marcando trecho a trecho. Agora um botão cria um código por tema — reaproveitando os que já existem com o mesmo nome, inclusive os que vieram do contexto_pesquisa.md — e o aplica a todos os trechos daquele tema. Uma confirmação só, dizendo quantos temas e quantos trechos; “Sem tema definido” não entra; e um “Desfazer” ao lado devolve codebook e codificação ao que eram. Rodar duas vezes não duplica nada, e os trechos que só têm fala de quem ficou de fora em “Quem entra” são contados na mensagem, não descartados em silêncio.

• O Estúdio de Transcrição sem tirar a mão do teclado. Revisar era “muito clicar”: uma hora de entrevista tem cerca de 219 blocos, e cada um custava idas ao mouse para ouvir, voltar, corrigir, juntar e seguir. Três coisas mudaram.

  • Atalhos que funcionam com o cursor dentro do texto. Os três que existiam (Espaço, Ctrl+← e Ctrl+→) nunca chegavam a quem estava digitando: o editor de texto consome as três teclas. Agora há uma família que sobrevive — F4 reproduz/pausa, F3 repete o bloco, Alt+←/→ andam 5 segundos, Alt+Shift+←/→ andam 2, F7/F8 mudam a velocidade, Alt+↓/↑ vão para o bloco seguinte/anterior levando o áudio junto, Alt+Shift+↓/↑ pulam de um bloco marcado para o outro, F6 troca o foco entre a lista e o texto, Alt+J junta com o próximo, Alt+Shift+J com o anterior e Alt+D divide. Os antigos continuam valendo. Todos aparecem escritos em Editar → Bloco e reprodução.
  • “Juntar com anterior”. Só existia juntar com o próximo; para juntar com o bloco de cima era preciso subir um bloco e juntar para a frente — o que troca o bloco aberto e faz perder o cursor e o ponto de reprodução.
  • Sem caixas de confirmação em juntar e dividir. Nenhuma das duas apaga texto e as duas têm desfazer completo; eram duas caixas por bloco num ciclo de 219. O aviso agora vai para a linha de estado, dizendo que Ctrl+Z desfaz. Junto com isso, o Ctrl+Z parou de escapar do editor logo depois de clicar num desses botões (o foco ficava no botão e o Ctrl+Z podia cair no “desfazer exclusão de arquivo” da Lixeira).

• Áudio curto e a contagem de falantes. Um teste com um recorte de 1 minuto voltou com a separação de vozes “ruim”: o app passava ao pyannote num_speakers: 2, que é uma ordem e não uma dica — o agrupamento fica obrigado a devolver dois grupos e, num trecho em que só uma pessoa fala, parte a mesma voz em duas. Nenhum modelo melhor resolveria isso, porque todos obedecem ao parâmetro. Agora, abaixo de 5 minutos, a configuração do projeto vira uma faixa (de 1 até o número declarado): o teto continua valendo, e quantas vozes há de fato passa a ser decisão do modelo. Medido contra a diarização da entrevista inteira: erro de 28% e 32% nos recortes de 1 minuto impondo 2 falantes, contra 0,3% deixando contar; na entrevista de 24 minutos, imposto e automático dão exatamente o mesmo resultado.

0.3.0b1 — 2026-09-03 (versão de teste, não publicada)

Beta para uso lado a lado com a estável: scripts\Instalar-Beta.bat instala num ambiente próprio (%LOCALAPPDATA%\Transcritorio\beta-venv), compartilhando os modelos já baixados e as preferências. As duas podem ficar abertas ao mesmo tempo — a janela da beta diz “versão de teste” no título. Para remover, basta apagar a pasta. Não está no site nem no PyPI.

Busca por sentido e “Perguntar às entrevistas com AI” refeitos, depois de um teste com 8 entrevistas reais e um gabarito de 12 perguntas julgado à mão.

• Por que a busca trazia trechos sem relação. O modelo antigo era de paráfrase (“estas frases dizem o mesmo?”), não de busca (“este trecho responde a esta pergunta?”); cada turno era pontuado junto com pedaços dos vizinhos, mas a lista mostrava o turno sozinho (“Autorizo.” como “muito próximo”); e os rótulos eram absolutos. Agora a unidade é a passagem (turnos contíguos de ~100 palavras, com quem fala), o encoder é de recuperação (multilingual-e5-small, mesmo tamanho do antigo; multilingual-e5-large-instruct como opção de qualidade, aplicado quando instalado), os acertos literais entram na disputa, e um reordenador (bge-reranker-v2-m3, opcional) lê pergunta e trecho juntos e decide o que “Responde” e o que é só “Relacionado” — o resto some. Precisão dos 5 primeiros no gabarito: 0,48 → 0,67. Índices em .npy (menores), refeitos automaticamente quando a transcrição muda ou o modelo troca.
• Um só botão. “Encontrar trechos” e “Perguntar” eram a mesma busca; agora “Perguntar” mostra primeiro os trechos que tratam do tema (em segundos, em qualquer máquina) e, quando o modelo de análise está disponível, escreve a resposta citando-os com [n] clicáveis. Campo “até N trechos” (padrão 20) — vem menos quando menos trechos tratam do tema, e o rodapé diz quantos ficaram de fora e por quê. “Cancelar a resposta” mantém os trechos; cancelar a reordenação mostra a ordem por semelhança.
• Perguntas sobre o conjunto (“do que falam as entrevistas?”) não são busca: a AI responde pelos resumos por entrevista, citando as entrevistas [ID], com o escape “responder pelos trechos mesmo assim”; sem resumos, oferece “Resumir as N entrevistas agora”. Quando nada responde, a AI não é chamada e a janela explica.
• Linha “Nesta máquina: …” na abertura da janela; a resposta escrita continua exigindo placa NVIDIA, os trechos não. contexto_pesquisa.md (roteiro, codebook, nomes) nasce com o projeto. Recusa da AI reconhecida com acentos; geração com a receita do fabricante do Qwen. Notas de tema do Resumir passam a ser guardadas (base da função de temas). CLI search/ask com o mesmo pipeline da janela.
• Entrevista que sumia da busca. Um arquivo de índice corrompido (sincronização interrompida, disco cheio) continuava valendo como atual: não era refeito, e aquela entrevista simplesmente deixava de aparecer nos resultados, sem aviso. Agora o índice só passa por atual se abrir e tiver o tamanho certo.
• O modelo lia as instruções do formulário. O contexto_pesquisa.md passou a nascer com o projeto, e o texto de exemplo (“Preencha o que fizer sentido…”) ia para a AI como se fosse o contexto do estudo, em todas as perguntas e resumos. Agora só vai quando você escreveu alguma coisa nele.
• “A AI local falhou” com o trabalho feito. Quando o ambiente de análise era criado a partir do Python da Microsoft Store, o Windows redireciona o que ele grava em %LOCALAPPDATA% para uma pasta privada do pacote: a resposta era escrita, mas o aplicativo procurava o arquivo no caminho real e não achava nada. Os resultados das análises (perguntar, visão geral, glossário, temas) agora voltam pela saída do próprio processo, com o arquivo como reserva.

Temas das entrevistas, codificação e exportação para o QualiLab (menu Analisar → ”✨ Temas das entrevistas…”): a segunda metade do que a busca por sentido tornou possível.

• Os temas mais tratados, sem pergunta nenhuma. A janela agrupa todos os trechos das entrevistas escolhidas por semelhança de sentido e lista os temas com todos os trechos de cada um — sem teto. O agrupamento é aritmética (numpy): roda em qualquer computador, em segundos, e não usa a AI que escreve. Um trecho pode entrar em mais de um tema (assuntos não são caixas separadas), e o que não se parece com nada fica em “sem tema definido” em vez de ser empurrado para o tema mais próximo. “Quantos temas” é ajustável (automático, ou de 1 a 40).
• Quem entra na análise. Em entrevistas não se costuma codificar quem pergunta; em grupos focais, quem modera — e os nomes desses papéis mudam de pesquisa para pesquisa. Então o app pergunta, uma vez por projeto, na primeira descoberta: a janela lista os falantes com o peso de cada um (turnos, palavras, entrevistas) e marca como “sugerido de fora” quem parece conduzir. Você decide, e pode inclusive manter todo mundo. A fala de quem fica de fora continua na transcrição e no arquivo exportado, logo acima da resposta, como contexto: ela só deixa de influenciar o agrupamento e de receber código. Um trecho em que quem você escolheu quase não fala — a leitura do termo de consentimento, um “tá bom” respondendo a uma pergunta longa — não entra nos temas: aparece em «sem tema definido», onde continua visível e codificável. Sem esse piso, as respostas de cortesia ao roteiro se pareciam entre si e formavam um tema grande de nada (medido na cópia de teste: 54 trechos em todas as 10 entrevistas).
• Nomes: imediatos, e melhores depois. Cada tema nasce com seus termos característicos (o que aparece nele e não nos outros). Com o modelo de análise instalado, a AI lê os trechos centrais e escreve nome e descrição de cada tema em segundo plano — a janela nunca espera por ela, e um nome que você tenha dado nunca é sobrescrito. Sem placa NVIDIA, ficam os termos, e a janela diz por quê.
• Codificar. Um ou mais códigos por trecho (códigos não são exclusivos), aplicados de uma vez aos trechos marcados de um tema ou um a um. O codebook nasce com os códigos que você tiver escrito no contexto_pesquisa.md. Fica em Transcricoes/08_codificacao/, em arquivos legíveis, separado da transcrição — nada é alterado no texto original.
• Exportar para o QualiLab (.qualilab) ou para planilha (CSV, com ; — o separador que o Excel em português espera). Cada entrevista vira um documento com o texto em blocos “[hh:mm:ss] Falante: texto”, e cada código aponta para a posição exata do trecho nesse texto — a citação e o texto apontado são o mesmo, por construção. Se você editar a transcrição depois de codificar (dividir um bloco, por exemplo), os trechos que deixaram de bater não são exportados com o texto errado: ficam de fora e a janela diz quantos foram.

v0.2.8 — 2026-09-02

Rodada de revisões de um lote real de 5 entrevistas (máquina com GPU): por que as ações ficam cinza, tempo do lote e as vozes das entrevistas que não estavam abertas.

• As ferramentas de AI não “sumiram” durante o lote — e agora o app diz isso. Durante uma transcrição em lote as análises com AI (e as demais ações) ficavam desabilitadas com o motivo escondido num tooltip que um item cinza de menu nem mostra; a leitura natural era “as ferramentas de AI não vieram instaladas”. Agora: uma faixa na lista de arquivos explica (”⏳ Lote em andamento — Arquivo 3 de 5 · … As análises com AI e as demais ações voltam sozinhas quando terminar”); o menu Analisar ganha uma linha com o mesmo aviso; o tooltip de todo item cinza diz o estado do lote; e os itens de AI continuam clicáveis — o clique explica na própria faixa (“O Transcritório executa uma tarefa por vez. Em andamento: … ‘Resumir a entrevista com AI’ fica disponível quando o lote terminar — não é preciso fazer nada”), sem janela modal e sem executar nada. O aviso modal das demais ações passa a dizer o estado do lote e que o aplicativo não está travado.
• Separação de falantes num só processo por lote. Cada arquivo abria um processo novo só para separar as vozes, e ~35 s de cada um eram abrir o Python, importar torch/pyannote e carregar o modelo — mais que a própria separação numa entrevista de 50 min em GPU. Agora o lote abre um servidor de separação (transcritorio-cli diarize-serve) no início, que carrega o modelo uma vez, em paralelo com o preparo e a transcrição do primeiro arquivo, e atende um pedido por arquivo. Se o servidor cair, o arquivo segue pela rota antiga (um processo por arquivo), sem intervenção. Lote de um arquivo continua como era. Entre um pedido e outro o servidor devolve a memória de GPU em cache ao motor de transcrição.
• Áudios preparados em paralelo no início do lote. Com dois ou mais arquivos, a conversão para WAV (ffmpeg) vira um único passo do lote, duas conversões por vez (“Preparando os áudios (2 de 5)”), antes das transcrições. Um arquivo cuja conversão falha é pulado com a causa na fila de processamento; os outros seguem.
• Vozes por identificar ao fim do lote. Num lote de 5 entrevistas o app perguntava “De quem é esta voz?” uma vez só — para a transcrição que estava aberta; as outras perguntavam apenas quando abertas. Agora, ao fim do lote, a lista mostra a faixa ”🎙 N entrevistas com vozes por identificar” com Identificar agora… (abre cada uma em sequência e pergunta, com os nomes sugeridos pelo reconhecimento de vozes recorrentes; cancelar numa delas interrompe a sequência e a faixa segue com o restante) e Depois (cada entrevista continua perguntando ao ser aberta).

v0.2.7 — 2026-09-02

• Corrigido: caracteres ”�” na barra de progresso (“Separando falantes de X � 84%”). As etapas que rodam em subprocesso (separar falantes, canais, conferir trocas) escreviam a saída na codificação do Windows e o app a lia como UTF-8. Agora todo subprocesso do app escreve em UTF-8.

v0.2.6 — 2026-09-02

• Corrigido: a aceleração GPU do TAGARELA parava de funcionar em silêncio quando o Python do app mudava. O pacote onnxruntime-gpu é por versão de Python; o instalado no 3.13 (v0.2.2) não carregava no 3.12 (v0.2.3+): o worker falhava com “DLL load failed” e a transcrição caía para o processador (8–16× o tempo real em vez de ~60×) — numa máquina com placa NVIDIA, sem aviso que ficasse. Agora o app registra o Python do pacote, detecta a incompatibilidade (“Incompleto — precisa ser reinstalada: o pacote foi instalado para o Python 3.13…” em Gerenciar modelos), oferece a reinstalação ao transcrever mesmo para quem havia recusado a oferta original, instala a wheel do Python certo (--python do próprio app) e recusa uma instalação que venha para outro Python. A queda para a CPU passa a ficar registrada na fila de processamento (gpu_fallback).
• Progresso do lote em dois níveis, sem números confusos. Durante um lote, a coluna Transcrição ficava em “Processando 0%” para todos os arquivos (a lista só era redesenhada no fim) e a barra de baixo mostrava dois percentuais com significados diferentes (o do lote e o interno do motor). Agora cada arquivo mostra a própria etapa e o próprio avanço na lista (“Transcrevendo 46%”, “Separando falantes 12%”, “Na fila”, “Transcrita” assim que termina, com “(WAV pronto)”), atualizada a cada 1,5 s sem reconstruir a tabela; e a barra de baixo é só o lote: “Arquivo 2 de 5 · F03R_0729 · transcrevendo com o TAGARELA… · ~12 min restantes”. O filtro “Processando” da lista acompanha.

v0.2.5 — 2026-09-02

Três decisões de produto num só lançamento, todas com medição: o passo de 2 s na separação de falantes vira padrão em todos os dispositivos; o TAGARELA vira o motor padrão em todas as máquinas; e transcrever em outro idioma passa a ser explicado e resolvido com o Whisper de reserva. Mais 12 correções da auditoria “qualquer nome de arquivo válido funciona”.

• Separação de falantes 2× mais rápida, em CPU e em GPU, com a mesma qualidade. A/B automático (12 conversas sintéticas com verdade por construção + 10 entrevistas reais julgadas pelo verificador acústico do próprio app): passo de 2 s entre janelas de 10 s (em vez de 1 s) manteve DER, posição das fronteiras e flags “duvida” (105 → 110) iguais dentro do ruído, e cortou o tempo pela metade — CPU 0,12× → 0,060× (1 h de áudio ≈ 4 min na máquina de referência de 24 threads; ~11 min com 8 threads, ~22 min com 4), GPU 44 s → 23 s por hora. Chave diarization_segmentation_step (0.1 = pyannote original). Estimativas do app, README, INSTALL e site acompanham.
• O TAGARELA é o motor padrão em todas as máquinas (antes, só nas sem placa de vídeo): treinado para o português falado — segundo os autores do modelo, em fala espontânea erra menos palavras que o Whisper large-v3 (cerca de 14% contra 23%) —, com pontuação e tempos por palavra nativos; em GPU roda no processador (16× o tempo real) até o pacote onnx-gpu ser instalado — ainda 2× mais rápido que o turbo em GPU. Um Whisper acompanha como reserva para outros idiomas: large-v3-turbo com GPU, small no resto (Mac inclusive, pela rota MLX). O assistente marca os dois; a faixa de oferta aparece para quem já estava no Whisper em qualquer máquina, com texto novo; o padrão de fábrica é parakeet-pt; rótulos “Recomendado”/“reserva” nos modelos; o aviso de tempo do assistente fala do TAGARELA e da separação de falantes; a estimativa antes do lote também aparece em máquinas com GPU quando o TAGARELA vai rodar no processador.
• Outro idioma com o TAGARELA: aviso didático e o caminho para outro modelo. Nota inline ao escolher um idioma que não é português (em Configurar transcrição, na aba Propriedades, em Editar propriedades e no assistente). Ao Transcrever, a janela “Este lote tem outro idioma” explica onde o modelo mora (Ferramentas → Configurar transcrição → Modelo) e oferece o Whisper com a qualidade de cada opção instalada (o small é rápido mas erra mais; o turbo é o mais preciso), baixando se preciso — só para o lote ou para o projeto inteiro; “Configurar transcrição…” abre o diálogo do motor. “Automático” conta como português também no motor (o lote não cai mais no meio com “N falha(s)”).
• Qualquer nome de arquivo válido no sistema funciona (auditoria de 12 defeitos). Apagar transcrição/Lixeira de Sonia não leva mais os derivados de Sonia.Venancio (o dono é o id mais longo); colchetes no nome não quebram mais o glob (Apagar, Lixeira, Documentos); o QC não herda mais o JSON de Entrevista 10 para Entrevista 1; Entrevista #3.m4a não some mais ao reabrir o projeto (parser YAML); nome começando com ”-” não vira mais flag ao separar falantes; “Mostrar na pasta” aceita vírgula no caminho; o atalho da área de trabalho aceita apóstrofo no nome do usuário Windows; renomear a mídia só na caixa mantém título, rótulos e idioma; --ids na CLI ignora maiúsculas; o filtro da lista ignora acentos. E dois arquivos com o mesmo nome em pastas diferentes são duas entrevistas (a segunda ganha o sufixo com o nome da pasta e, se ainda colidir, um número), inclusive nomes iguais só na caixa; na mesma pasta (.mp3 + .m4a) continuam a mesma gravação.

v0.2.4 — 2026-09-02

Correção de um relato real de beta (arquivo com espaço no nome falhava ao montar a transcrição editável, depois de mais de uma hora separando falantes), a causa das falhas visível no diálogo, e a separação de falantes ~3× mais rápida em CPU.

• Separação de falantes ~3× mais rápida em CPU, com resultado idêntico. Medição de 2026-09-02: 94% do tempo dessa etapa era a rede de embeddings (ResNet34) rodando três vezes por janela de 10 s — uma por vaga de falante, mesmo numa entrevista a dois — sendo que a máscara de quem fala só entra no pooling final. Agora a rede roda uma vez por janela e só o pooling é feito por falante (diar_fast.py), sem tocar o pyannote instalado: embeddings numericamente iguais (diferença máxima 4×10⁻⁸, cos-sim 1,000000 no teste contra o caminho original) e mesmos hooks de progresso. Numa entrevista real de 62 min em CPU: 24,7 min → 7,1 min, com separação de falantes idêntica (DER 0,000%, mesmos 648 segmentos). A estimativa mostrada ao transcrever acompanha (1 h de áudio ≈ 7 min na máquina de referência; ~20 min num notebook de 4 núcleos). Chave de escape diarization_fast_embeddings: false no run_config.yaml.
• Corrigido: arquivo com espaço ou acento no nome falhava em “montando transcrição editável: 1 falha(s)” com o TAGARELA (e com o MLX no Mac) — depois de gastar a hora inteira da separação de falantes. O motor gravava o texto transcrito com o nome “sanitizado” (Sonia_Venancio.json para Sonia Venancio.m4a; acentos e cedilha também viravam _), e a etapa final procurava pelo nome original. Agora a saída nasce com o nome idêntico ao do arquivo: vale qualquer nome que o sistema operacional aceite (espaços, acentos, maiúsculas, parênteses, colchetes, &, %, #, apóstrofo…); só separadores de caminho viram _ (utils.safe_output_id, defesa contra manifest editado à mão). Quem já tem a separação de falantes pronta não precisa refazê-la: basta transcrever de novo sem “Separar falantes agora” e a montagem a aproveita. Reproduzido ponta a ponta com Entrevista (Sônia) ÇÃO & cia [2], 100% #1 O'Neil.m4a.
• A causa real de uma falha agora aparece. O diálogo dizia só “montando transcrição editável: 1 falha(s)” e o motivo ia para o console. A montagem passa a devolver a causa (“Não encontrei o texto transcrito de … (pasta Transcricoes/02_asr_raw)”), e ela aparece no diálogo de erro e na fila de processamento (Ferramentas).

v0.2.3 — 2026-09-02

Correções guiadas por três relatos reais de beta testers (instalação travada no Python 3.14; “o padrão continuou o Whisper small”; “congelou no 88%” em computador sem placa de vídeo).

• A separação de falantes ganhou barra de progresso REAL e estimativa de tempo. O “congelou no 88%” era o teto de um relógio calibrado para GPU: em CPU o pyannote leva ~0,4× a duração do áudio (medido: 1 h de entrevista ≈ 25 min na máquina de referência; até ~1 h num notebook de 4 núcleos) e a barra ficava parada esse tempo todo. Agora o progresso que o próprio pyannote informa (por trecho e por lote de vozes) move a barra, a mensagem diz “Separando falantes — N% (tempo decorrido, ~M min restantes)” e a carga do modelo em CPU avisa que pode levar ~1 min. A mensagem honesta da fase silenciosa da transcrição (v0.2.2) passou a chegar de fato à barra de status, e o rótulo do trabalho diz o motor certo (“com o TAGARELA”).
• Sem placa de vídeo, a janela “Quantas pessoas falam?” mostra a estimativa do lote (“transcrição ≈ 4 min · separação de falantes ≈ 49 min”) e a caixa “Separar falantes agora”. Desmarcada, o lote sai só com o texto — em minutos — e a lista oferece “Separar falantes agora” para completar as vozes depois, em lote (que agora também pergunta quantas pessoas falam, se ainda não souber). Nada é gravado no projeto: a escolha vale só para aquele lote.
• Faixa na lista migra quem já estava instalado para o TAGARELA: em máquina sem placa de vídeo com o projeto no Whisper aparece “Este computador não tem placa de vídeo — o motor TAGARELA transcreve 1 hora em poucos minutos [Usar o TAGARELA] [Continuar com o Whisper]”. Aceitar troca o projeto e o padrão do computador e já baixa o modelo; recusar é lembrado. A oferta ao clicar Transcrever deixou de ser bloqueada por arquivos com idioma “Automático” (mesmo ajuste no guard do motor), e o selo da barra de status mostra o modelo configurado — com “(não instalado)” quando outro seria usado no lugar.
• Python fixo em 3.12 em todos os comandos de instalação (instalador .bat, README, guias, site e os comandos de Reparar/aceleração NVIDIA do app). Caso real de beta tester: o uv escolhia o Python mais novo da máquina (3.14) e o torchcodec ainda não tem pacote para ele — o teto <3.14 do pacote não faz o uv trocar de interpretador sozinho. Com --python 3.12, o uv baixa o Python oficial certo se não houver.
• Instalador .bat blindado contra falhas de rede (caso real de beta tester: a causa do erro rolava para fora da tela). Tempo limite de download ampliado para conexões lentas (UV_HTTP_TIMEOUT=600), segunda tentativa automática com registro em %TEMP%\Transcritorio-instalador.log e as últimas linhas do registro impressas junto da mensagem de erro; a lista de endereços a liberar na TI passa a citar o github.com (de onde o uv baixa o Python) e o espaço em disco necessário (~4 GB). Mesma blindagem no Atualizar-Transcritorio.bat.

v0.2.2 — 2026-09-01

• TAGARELA vira o motor padrão em máquinas sem placa de vídeo (Windows/Linux; decisão motivada por beta testers travados no Whisper em CPU). O assistente de primeiro uso agora recomenda o Parakeet pt-BR “TAGARELA” (13–25× o tempo real em CPU, tempos por palavra nativos) com o Whisper small de reserva para outros idiomas (~3,5 GB no perfil Essencial). Quem já estava instalado recebe UMA oferta de troca ao clicar Transcrever em CPU — qualquer resposta segue transcrevendo, e a recusa é lembrada. No Mac nada muda (lá o Whisper já tem a rota rápida Metal/MLX). Com GPU NVIDIA, o padrão segue large-v3-turbo.

• A barra não “trava mais aos 43%” (na percepção): na fase silenciosa de marcação dos tempos por palavra em CPU, a barra agora diz o que está acontecendo (“pode demorar; a barra fica parada, mas o trabalho continua”) — e as mensagens não falam mais em “GPU” numa máquina sem placa.

• Instalador .bat acha o uv mesmo quando o winget não cria o atalho (caso real de beta tester): em algumas máquinas o pacote portable fica só dentro de WinGet\Packages\astral-sh.uv* — a busca agora varre o pacote, o instalador oficial da Astral (.local\bin) e o escopo de máquina, e o passo 1 só diz “concluído” depois de confirmar o executável. O erro passou a apontar a causa mais comum (App Installer desatualizado, com o link da Microsoft Store). Guia ganhou o caso “transcritorio não é reconhecido” com terminal já aberto (abas novas herdam o PATH antigo; fechar todas as janelas do terminal resolve).

• Dividir bloco: o tempo da fronteira agora segue o cursor de texto. Antes, a posição do player (que durante a reprodução está sempre dentro do bloco tocando — e ainda avançava enquanto o diálogo de confirmação estava aberto) ou um cursor antigo na onda sonora decidiam o tempo da divisão, produzindo fronteiras incoerentes com o texto: o destaque que acompanha o play trocava de bloco em momentos que não correspondiam à divisão feita. Nova ordem: clique deliberado na onda sonora > palavra sob o cursor de texto (tempos por palavra) > player pausado dentro do bloco > estimativa pela posição no texto. A barra de status continua dizendo qual regra valeu.

v0.2.1 — 2026-09-01

Correções da checagem geral pós-lançamento (auditoria de 48 achados; 26 confirmados e corrigidos).

• Aba Propriedades mais defensiva ao trocar de entrevista: um guard extra recusa salvar propriedades se a entrevista carregada no painel não é mais a selecionada (re-sincroniza e avisa na barra de status), e o botão Salvar volta a habilitar corretamente após edições não salvas.
• Janela “Sobre” reconhece a instalação oficial: instalado via uv/PyPI mostra “Instalação oficial (uv/PyPI)” com a versão real do pacote; rodando do código-fonte mostra “Versão de desenvolvimento”.
• Aviso de instância única neutro: quando outra janela de versão diferente está aberta, o aviso diz apenas “versão diferente” (sem presumir qual é a mais nova) e não dispara mais durante a abertura normal de uma janela ocupada.
• Revisão de grafias e glossário sem duplicatas: entrevistas transcritas em duplicidade na lista não geram mais itens repetidos.
• Instalador .bat mais robusto: detecta o FFmpeg recém-instalado mesmo antes de reabrir o terminal (estende o PATH da sessão), avisa para fechar o aplicativo antes de atualizar e explica melhor os erros de rede.
• Ícone multi-resolução: o .ico agora traz 7 tamanhos (16–256 px) — antes só um, o que deixava o ícone serrilhado na barra de tarefas.
• Números medidos nesta máquina, em todos os materiais: TAGARELA em CPU publicado como faixa 13–25× o tempo real (era “~25×”); perfil Completo ~20 GB de disco (análise AI soma ~10 GB); 15 outros idiomas com tempos por palavra (16 pacotes de alinhamento, incluindo o português); grupos focais “bem até 6–8 falantes”. README, docs, site e FAQ alinhados aos mesmos números.
• Textos que apontavam para a interface antiga corrigidos (selo do Motor na barra de status; “Ferramentas → Gerenciar modelos…“).

v0.2.0 — 2026-08-31

Primeira versão publicada no PyPI — uv tool install transcritorio é o canal oficial daqui em diante.

Nomes que mudaram durante o desenvolvimento da 0.2 (os bullets mais antigos desta seção citam os rótulos da época): Reprocessar falantes e Atualizar transcrição editável saíram da interface (a remontagem é automática; a separação pendente vira o botão Separar falantes agora na lista, e o refazer por entrevista é Entrevista → Refazer separação de falantes…); Melhorar falantes deste arquivo → Refazer separação de falantes…; Gerar resumo com temas → ✨ Resumir a entrevista com AI; Instalar modelos… / Configurar modelos… → Ferramentas → Gerenciar modelos…; o selo Modelo/Motor saiu do cabeçalho e vive na barra de status (embaixo).

Mudança de canal de distribuição: o standalone (Setup.exe/.dmg/AppImage) foi descontinuado — antivírus/SmartScreen bloqueavam a instalação sem assinatura digital, e o SignPath recusou a assinatura gratuita. O canal oficial passa a ser PyPI + uv (uv tool install transcritorio); ver docs/INSTALL_WINDOWS.md e docs/LEGACY_STANDALONE.md.

• Instalação em um clique (Windows): Instalar-Transcritorio.bat e Atualizar-Transcritorio.bat — baixar, clicar duas vezes e esperar. Fazem exatamente os comandos do guia (winget → uv → FFmpeg → PyPI), só de fontes oficiais assinadas, sem senha de administrador e com mensagens em português para quem nunca abriu um terminal. E o aplicativo instalado agora tem ícone: a janela e o atalho da área de trabalho mostram o símbolo do Transcritório (antes herdavam o ícone genérico do Python).

• Revisão de grafias mais honesta e mais útil: o botão “Revisar grafias…” agora distingue três situações — nunca analisado (oferece rodar a análise ali mesmo), análise desatualizada (entrevistas transcritas depois do último glossário; oferece re-analisar) e em dia. Antes, ele dizia “nada a corrigir” mesmo sem a análise nunca ter rodado. E a correção sugerida pela AI virou um campo editável: se ela sugerir “UEG” onde o certo é “UERJ”, você digita a grafia certa e aplica a todas as ocorrências marcadas.

• Painéis da transcrição do seu jeito: as seções da aba Transcrição (vídeo, áudio, blocos e editor) viraram quatro painéis independentes — cada divisor arrasta de verdade, qualquer seção pode ser recolhida a zero e a que importa pode ocupar a janela inteira. Em entrevistas de vídeo, o painel de imagem abre compacto e um botão “Ocultar vídeo” o esconde sem parar o áudio (antes o vídeo tomava um terço da janela e os blocos ficavam com duas linhas). O aviso de trocas de falante ganhou um × para dispensar.

• Reforma de interface — primeiro contato e polimento (R4): a etapa final da reforma. Arrastar gravações sem projeto aberto deixou de ser ignorado — o aplicativo oferece criar o projeto ali mesmo e já adiciona os arquivos; depois de adicionar mídia, a barra de status aponta o próximo passo e o botão Transcrever fica em destaque enquanto tudo está pendente. Resumo e glossário prontos agora são anunciados na própria aba Documentos (uma faixa discreta com Abrir/Revisar grafias, no lugar das janelas que interrompiam), e a verificação — que terminava em silêncio — também. A aba Propriedades ficou editável (língua, falantes, rótulos e contexto, com salvar explícito que grava só o que mudou); o diálogo antigo continua para editar várias entrevistas de uma vez. A Fila de processamento mostra o tempo restante (“cerca de 3min”) em vez do horário de término. Quem abre o aplicativo logo após atualizar é avisado quando a janela antiga ainda está aberta (“feche e abra de novo”). E ~70 textos de assistentes e diálogos foram corrigidos — inclusive instruções que apontavam para menus que não existem mais desde a reorganização (agora a guarda automática de textos também vigia assistentes e diálogos).

• Reforma de interface — comandos consolidados (R3): cada função passou a ter UM nome e UM lugar. “Exportar…” é um comando só (o escopo se escolhe no diálogo); o trio confuso de falantes virou dois comandos claros — “Dar nome às vozes…” e “Refazer separação de falantes…” (que avisa: descarta edições e guarda cópia em Documentos › Versões anteriores) — e a remontagem da transcrição ficou automática; “Limpar transcrição gerada” agora se chama “Apagar transcrição… (a gravação fica)”. Quando há entrevistas transcritas ainda sem separação de vozes e o recurso está instalado, a lista oferece um botão “Separar falantes agora” — sem procurar em menu. O botão Transcrever age direto no clique (☑ marcadas; sem nenhuma marcada, todas as pendentes) e a setinha guarda as variantes e a chave “Separar falantes”, que saiu da barra de ferramentas. F5 (“Recarregar lista”) também procura gravações novas nas pastas do projeto, e “Créditos” e “Sobre” viraram um único “Sobre o Transcritório”. Quatro comandos órfãos ou duplicados foram removidos.

• Reforma de interface — abas e a casa dos resultados (R2): o painel direito ganhou três abas. Transcrição segue sendo o trabalho diário; Documentos é a casa de tudo que o app produz — transcrição final, legendas, ✨ resumo, glossário, relatório de verificação e versões anteriores, cada item com Abrir/Gerar ali mesmo e a data em que foi feito (fim do “não sei onde salvou”); Propriedades reúne os dados da entrevista aberta (gravação original, formato, duração, língua, falantes, contexto). Os três avisos acima dos blocos passam a ocupar um único espaço, um por vez, do mais urgente ao menos.

• Reforma de interface — janela nova (R1): a janela ganhou a estrutura definitiva: barra de ferramentas fixa no topo (Adicionar mídia · Transcrever | Salvar · Exportar | ✨ Perguntar), barra de status embaixo (atividade e progresso à esquerda; salvamento e o selo clicável Modelo/Motor à direita), e 6 menus reorganizados — Projeto, Editar, Entrevista, Analisar, Ferramentas e Ajuda — com cada função em um lugar previsível. O cabeçalho antigo saiu (o nome do projeto agora está na barra de título) e a janela ganhou uma linha a mais de espaço útil.

• Reforma de interface — fundação (R0): primeira etapa do redesenho aprovado. A janela adota a paleta nova (fundo mais profundo, cores semânticas centralizadas — nenhuma cor solta no código, verificado por teste); ~140 textos ganharam acentuação correta e reticências tipográficas (“Abrir transcrição”, “Exportar…”, “Verificar exportações”); o splash segue a identidade nova. Três guardas automáticas passam a proteger a interface: nenhuma ação pode ficar sem lugar (menu/botão/atalho), atalhos não podem colidir, e textos novos precisam seguir o guia de escrita. Nada de comportamento muda nesta etapa — as barras e menus novos vêm na próxima (R1).

• Separação de falantes automática quando instalada: a opção “Separar falantes” ganhou o modo automático (novo padrão) — separa quem fala sempre que o recurso estiver instalado no computador, no momento da transcrição. Antes, um projeto criado pelo perfil Essencial gravava “sem falantes” para sempre, mesmo que o modelo fosse instalado depois — e a transcrição saía sem falantes em silêncio. Agora: instalou, aplica; desligado só se você desmarcar a caixa de propósito; e quando o recurso falta, o app avisa com todas as letras antes de transcrever (e ensina o caminho do Reprocessar falantes para separar depois sem transcrever de novo).

• Idioma como capacidade (etapa 4 do programa multilíngue): 16 idiomas ganham pacote de alinhamento dedicado (tempos por palavra) com download avisado ANTES de transcrever — antes, inglês/espanhol/francês baixavam ~360 MB sem avisar no meio do job e ~59 idiomas estouravam erro DEPOIS de transcrever a entrevista inteira. O combo de idioma do Motor e das propriedades do arquivo agora é honesto (“baixa ~1,2 GB” / “Automático — sem tempos por palavra”); o gate considera os idiomas de TODOS os arquivos do lote (metadado por arquivo); o gerenciador lista os pacotes de idioma; o assistente de instalação pergunta os idiomas das gravações. Um pacote multilíngue coringa (MMS, ~1,2 GB, uso não-comercial) cobre mais de 1.100 idiomas sem pacote dedicado — suaíli incluso.

• Motor experimental Parakeet pt-BR (TAGARELA): novo motor de transcrição só para português (2,5 GB, baixável pelo gerenciador), com pontuação, capitalização e tempos por palavra nativos (dispensa o alinhador). Fala espontânea é o forte do modelo (treinado em corpora de entrevista). Roda inteiramente na CPU a 13–25× tempo real (conforme o áudio; medições de 2026-08-28 e 2026-08-31). Marcado experimental até a comparação lado a lado com o Whisper large-v3 nos áudios de gabarito; só transcreve português (outros idiomas no lote são bloqueados com aviso antes do job).

• Aceleração do Parakeet na GPU (opcional): com placa NVIDIA, o motor Parakeet pode usar a GPU e ficar ~4x mais rápido (uma hora de gravação em ~1 minuto; medido: 62x tempo real com ~4,7 GB de memória de vídeo). É um pacote opcional de ~300 MB — oferecido uma vez na primeira transcrição com o motor e sempre disponível em Gerenciar modelos (instalar/remover). O seletor de Dispositivo do Motor passa a valer também para o Parakeet (CPU força o processador). Se a GPU falhar por qualquer motivo, a transcrição continua no processador sozinha, com aviso — o trabalho nunca é perdido.

• Checagem geral pós-lote (três varreduras exaustivas; ~50 achados, criticos corrigidos): “Perguntar” agora oferece o modelo de análise ANTES do preparo do encoder (ordem de gates invertida escondia a oferta) e nenhum clique fica mudo (pergunta vazia, Enter em botão desabilitado); o gate de modelos propaga o escopo ao preparador (fim do beco “não há nada para baixar” do Melhorar falantes) e a ação original é RETOMADA sozinha quando o download termina; VRAM abaixo do mínimo virou aviso “por sua conta e risco” (não veto — placa de 4 GB com o modelo baixado volta a funcionar); gerenciador baixa também o alinhador e a separação de falantes pendentes e mostra downloads parciais como “Incompleto” com retomada; cancelar um job não marca mais “Falha” nem abre diálogos de resultado; a causa real de uma falha aparece no aviso e a mensagem final não é mais apagada pelo refresh; “Atualizar transcrição editável” e “Reprocessar falantes” passam a atualizar o que o usuário vê; ações destrutivas habilitam pela mesma régua que executam (e o botão direito age na linha clicada); disco removido/config sumida/arquivo travado não quebram mais em silêncio; editor congelado durante retranscrição do arquivo aberto (fim da corrida que perdia texto digitado); drop zone lista só os formatos realmente aceitos; “Mostrar no Explorer” seleciona o arquivo de verdade.

• Coerência de funcionalidades (lote pós-teste real do primeiro uso):

  • Todos os gates de clique de IA passam pelo registro de capacidades: a memória de vídeo mínima entra na decisão (uma GPU de 2 GB não recebe mais oferta de 8,7 GB), e toda oferta de download declara tamanho, requisito de hardware com a placa detectada, espaço em disco e o ambiente de análise (~3 GB) preparado na primeira utilização. O “Perguntar” da janela de AI ganhou o mesmo baixador das demais ações (antes o erro virava texto morto no rodapé).
  • Botões da barra passam a seguir o estado das ações (o botão “Perguntar às entrevistas com AI” contornava os bloqueios).
  • Transcrever novamente…: botão contextual e item de menu para refazer a transcrição do arquivo aberto, escolhendo entre os modelos instalados. Retranscrever agora TEM efeito: a transcrição editável é recriada do novo resultado (com confirmação explícita e cópia de segurança das edições em edits/backups/); o painel mostra o modelo que produziu a transcrição aberta.
  • “Limpar transcricao gerada…”: preserva as cópias de segurança, faz backup prévio de revisões editadas, remove o índice de busca órfão e mira apenas a seleção visual (caixas de marcação escolhem o que transcrever, nunca o que apagar).
  • Lote com skip-and-continue: falha num arquivo não aborta mais os seguintes; o estado “Falha” aparece na coluna Transcrição (tooltip com a causa) e o filtro “Pendentes” o inclui.
  • Gerenciar modelos lista também os modelos de IA (Qwen, nomes, busca) com estado por máquina, baixar por item e remover; variantes Whisper não instaladas também ganham “Baixar”. “Instalar modelos…” do diálogo do Motor agora abre o gerenciador; o preparador de modelos com tudo em cache diz “não há nada para baixar” e desabilita o botão.
  • Assistente: o perfil Completo pergunta se baixa os modelos de IA agora (~10 GB) ou na primeira utilização, com o recomendado assinalado pela máquina.
  • Marcar “Separar falantes” sem o modelo presente oferece preparar na hora, explicando a conta gratuita do Hugging Face (a exigência não fica mais para a hora de transcrever); remontagens decidem a fonte de falantes por arquivo (perfil Essencial não falha mais).
  • O selo “Motor: CUDA/CPU” do cabeçalho virou link para a configuração (alternância CUDA↔CPU descobrível); sem placa NVIDIA o item CUDA fica desabilitado com o motivo.
  • Diálogos de aceleração NVIDIA citam a memória de vídeo detectada e avisam quando ela é pequena demais para valer a pena.

• Verificação acústica de trocas de falante (novo passo pós-render, check-boundaries): compara a voz dos dois lados de cada troca com o modelo de embedding da diarização (benchmark: AUC 0,961) e marca com “Dúvida” os blocos em que a voz é a mesma dos dois lados (divisão provavelmente errada); marca com “Sobreposição” blocos majoritariamente cobertos por falas simultâneas. Banner “N trocas de falante com vozes parecidas” e tooltip explicativo na coluna Marcações do Estúdio. Configurável (boundary_check, limiar e janela em run_config.yaml).

• Captura de sinais da diarização (diar_signals, hook do pyannote): a diarização agora persiste derivados compactos em 03_diarization/signals/ — silêncios e sobreposições segundo o próprio modelo, e a margem de confiança da voz atribuída a cada trecho. A verificação pós-render usa esses sinais para marcar blocos de voz incerta (margem negativa = o modelo prefere outra voz) e melhorar a detecção de sobreposição; arquivos antigos caem no fallback por divergência regular×exclusive. Desligável (diarization_capture_signals); falha na captura nunca interrompe a diarização.

• Segurança: “Enviar para Lixeira” (Del) passa a mirar SOMENTE os arquivos selecionados na lista (destaque) — as caixas de marcação, que escolhem o que transcrever e vêm marcadas por padrão, não contam mais como alvo de deleção (um Del com tudo marcado mandava o projeto inteiro para a lixeira). Os diálogos de confirmação e de purga agora LISTAM os nomes dos arquivos afetados, não só a contagem.

• O fim de uma transcrição agora renova a mídia do player: quem abria o arquivo antes de transcrever ficava preso ao áudio original (MP3 com seek impreciso) no player e no diálogo de vozes — causa da dessincronia crescente relatada em uso real.

• Correção GRAVE de sincronia áudio×texto no Estúdio: o player abria o arquivo ORIGINAL (MP3/M4A, seek impreciso em VBR com desvio que cresce ao longo do arquivo) enquanto waveform e timestamps referem-se ao WAV preparado. Agora o player abre o WAV por padrão (vídeos continuam no original, pelo painel de imagem) e todos os seeks ganharam a confirmação anti-descarte do Windows (mesmo fix do diálogo de vozes). Probe: desvio ≤ 29 ms em posições até 38 min.

• Banner de trocas de falante integrado: navegação ‹ › pelos blocos marcados (no lugar de “Ver primeira”), contagem que atualiza ao desmarcar Dúvida (e o banner some ao zerar), e a explicação da marcação agora aparece no painel do editor — não só como tooltip.

• ✨ Perguntar às entrevistas com AI (fase 2.7): faça uma pergunta e receba uma resposta composta APENAS a partir dos trechos das transcrições, com citações [n] clicáveis que abrem cada trecho no áudio; sem base suficiente, a resposta é a recusa honesta (“isso não aparece nas entrevistas”) — resposta sem citação válida é descartada por construção. Janela própria (botão na barra principal) que também encontra trechos por significado sem compor resposta. Requer GPU NVIDIA; AI 100% local. CLI: transcritorio-cli ask --question "...".

• Identidade de AI: ações assistivas ganham ✨ e o selo “AI local — nada sai do seu computador”; resumo renomeado ”✨ Resumir a entrevista com AI”; busca de palavras separada em janela própria e minimalista.

• Escopo visível e escolhível nas buscas e no Perguntar: as janelas ganham o seletor “Onde:” — todas as transcritas / somente a entrevista aberta / escolher quais (lista interna com caixas de marcação, própria da janela — sem relação com as marcações ☑ do painel, que significam “o que transcrever”) — e uma linha que diz sempre quantos arquivos entram e que a leitura é das TRANSCRIÇÕES, não do áudio. Arquivos sem transcrição nunca somem em silêncio; projeto sem transcrição alguma explica em vez de não fazer nada; o seletor se atualiza ao voltar para a janela. Tooltips de buscar/perguntar/resumir declaram o escopo.

• Primeiro contato com projeto reformado (achados do primeiro teste real): o modelo escolhido no assistente agora vale de verdade — projetos novos nascem pedindo ele (antes, quem instalava o tiny criava projetos exigindo o turbo de fábrica e caía num pedido de download de 3,1 GB); “Preparar modelos locais” mostra só o que a SUA instalação precisa e só exige token quando há modelo de acesso restrito pendente; “Novo projeto” ganhou diálogo próprio com o modelo mental à vista e o preview exato da pasta que será criada; sem projeto aberto, a tela mostra “Comece criando um projeto” com os botões que resolvem (nada de tabela vazia nem de modal que manda ao menu); cada projeto novo traz um LEIA-ME na raiz (o que é seu, o que é gerado, o que dá para levar a outro computador) e outro dentro de Transcricoes/ explicando que as onze pastas técnicas não precisam ser abertas; abrir uma pasta qualquer não cria mais um projeto dentro dela em silêncio; e o descritor deixou de sair com o nome mutilado (Meu Projeto_transcricao.transcritorio).

• ✨ Revisar grafias de nomes: a partir do glossário, mostra cada ocorrência de um nome escrito de forma diferente — com a entrevista, o tempo e o trecho à vista — e corrige só as que você marcar. A decisão é por ocorrência, nunca por palavra, porque a mesma grafia pode ser um nome legítimo em outro trecho (num teste real, um grupo apontava para “Méier” e não para a sigla sugerida: aplicar em massa teria escrito um erro por cima de outro). Clicar num trecho abre a entrevista naquele ponto para ouvir antes de decidir. O casamento é exato, sensível a maiúsculas e respeita fronteira de palavra (“Meia” não altera “meias”). Só a transcrição revisada muda: a transcrição original da máquina fica intacta, cada arquivo alterado ganha cópia de segurança em 05_transcripts_review/edits/backups/ e Ctrl+Z desfaz na entrevista aberta.

• ✨ Glossário de nomes com AI: lê as transcrições do projeto e monta um glossário de pessoas, lugares e instituições citados, juntando as variações de grafia do mesmo nome (IBGE escrito como “BGA”, Viçosa como “Vistosa”). O glossário passa a acompanhar os prompts do resumo e do Perguntar, para a AI tratar as variantes como a mesma entidade — sem alterar uma vírgula das transcrições. Sai um relatório com a seção “Grafias a conferir”, apontando onde cada variante ocorre. Declarar os nomes corretos na seção ”## Nomes conhecidos” do contexto da pesquisa torna a detecção muito mais precisa (num teste com 54 menções reais, passou de 3 para 6 de 6 nomes corrompidos identificados). AI 100% local, roda sem placa de vídeo. CLI: transcritorio-cli glossario.

• Áudio multicanal (fase 4, núcleo): quando a gravação tem 2+ canais com microfones distintos (lapelas, gravador de 2 mics), o pipeline passa a usar os canais como fonte da separação de falantes, com os rótulos casados às vozes do pyannote por semelhança de voz — sinal muito mais confiável que qualquer pós-processamento. A verificação é barata: três amostras de 1 minuto decidem em menos de 1 segundo se os canais são mesmo microfones separados; gravações “falso-estéreo” (canais idênticos, o caso comum em gravador de celular) seguem o fluxo normal. O áudio por canal é intermediário e fica na pasta temporária do sistema, nunca dentro do projeto. Arquivos mono não mudam em nada. CLI: transcritorio-cli channels.

• Tempos por palavra no Estúdio (fase 3): o alinhamento do Whisper sempre produziu o tempo de cada palavra — agora o editor os usa. Duplo clique numa palavra do texto leva o áudio exatamente até ela; “Dividir bloco” corta no tempo exato da palavra sob o cursor (a nota do rodapé diz qual fonte foi usada); com zoom na onda sonora aparecem ticks no início de cada palavra, e os do decil inferior de confiança do alinhamento ficam âmbar (posição incerta). Tudo degrada em silêncio quando não há transcrição/palavras (ex.: arquivos só-mídia).

• Busca semântica mais limpa: o vetor de cada bloco passa a ser calculado com janela de contexto (fim do bloco anterior + bloco + início do seguinte), então falas curtas e interjeições só aparecem quando a vizinhança é tematicamente próxima da consulta — nada é excluído do índice; e blocos adjacentes do mesmo momento não se repetem nos resultados (fica o melhor). Índices antigos são reconstruídos automaticamente no próximo “Preparar”.

• Busca nas transcrições (fase 2.3): Ctrl+F filtra os blocos do arquivo aberto em tempo real (barra estilo navegador, ‹ › navegam, Esc fecha); Ctrl+Shift+F (ou Analisar → Buscar palavras…) abre a busca do projeto inteiro com duas seções — “Resultados exatos” e “Trechos com sentido parecido” (encoder multilíngue local pequeno, roda em CPU, sem GPU e sem conta) — e clique no resultado abre a entrevista no bloco certo com o áudio posicionado. Índice por arquivo em 07_index/, atualizado sozinho quando a transcrição muda; preparo e download do modelo (~0,5 GB, uma vez) oferecidos no próprio diálogo. CLI: transcritorio-cli search --query "...".

• Botão contextual “Gerar resumo com temas” na área do arquivo aberto (par com “Abrir resumo com temas”: sem resumo → gerar; com resumo → abrir).

• Infra da análise local (fase 2.0 do plano-programa): módulo research_context (contexto de pesquisa por projeto — roteiro, codebook, nomes conhecidos — grounding das ferramentas de análise); módulo llm_env (ambiente dedicado criado sob demanda via uv para o Qwen3.5-4B + GLiNER — separado porque o transformers>=5.13 exigido pelo Qwen é irreconciliável com o pin de huggingface-hub do whisperx); categoria _OPTIONAL_MODELS no gerenciador de modelos (Qwen3.5-4B e GLiNER multi-PII com SHAs pinadas, fora dos obrigatórios e protegidos da limpeza de órfãos). Modelo escolhido por julgamento às cegas do usuário + benchmark com gabarito real (PoC 2026-08-25).

• Segurança de dados: “Melhorar falantes deste arquivo” (e o “Tentar novamente” do banner) agora guarda automaticamente uma cópia de segurança da revisão em 05_transcripts_review/edits/backups/ antes de recriá-la — antes, todas as edições manuais eram descartadas sem aviso fiel e sem backup. O diálogo de confirmação passou a dizer a verdade.

• Defaults seguros: asr_device/compute_type/batch_size: auto — CPU usa int8/batch 2 (float16 em CPU era convertido p/ float32 pelo CTranslate2, ~2x RAM: travava máquinas sem GPU); float16 explícito em CPU é coagido.

• Diarização opcional de ponta a ponta: quem só quer transcrever não cria conta HF nem token; escolha no wizard, persistida para projetos novos; falha de diarização não derruba mais o lote (render segue sem falantes).

• Diarização roda em subprocesso (transcritorio-cli diarize --progress-json): crash de pyannote/torch/CUDA não fecha mais a GUI.

• Aceleração NVIDIA como extra [cuda] (menu do app); reparo/atualização via uv no menu Ajuda; atalho de área de trabalho criado no 1º run; aviso discreto de versão nova via PyPI.

• Correções do diagnóstico 2026-08-23 (101 findings triplo-verificados): lixeira nunca mais apaga a única cópia de originais, guards de job ativos, globs por id sem colisão de prefixo, parser YAML preserva ’#’, token_vault nunca crasha, release não publica com build falho, e ~40 outros fixes (ver mensagens dos commits de 2026-08-23).

• Qualidade da separação de falantes (4 correções, 2026-08-23/24): os metadados por arquivo (“Aplicar falantes”, ex.: grupo focal com 6 vozes) passam a valer na rota CLI/GUI; o pós-processamento da camada exclusiva não atropela mais apartes curtos (padrão A-B-A); o corte palavra→falante usa critério acústico (palavra de borda segue o turno vizinho; interjeições reais são preservadas); hiperparâmetros de clustering aplicam-se por chave (diarization_fa/fb eram inertes).

• “De quem é esta voz?”: ao fim de cada transcrição (e via banner na revisão), o app toca amostras de cada voz — com timestamp e prévia do texto — e pede o nome, que vale para a transcrição inteira; confirmação registrada por arquivo; opção por projeto de não perguntar (lote).

• Reconhecimento local de vozes recorrentes: as vozes confirmadas em 2+ arquivos viram âncoras do projeto (embeddings já calculados pela diarização, agora persistidos) e os arquivos seguintes abrem com “parece ser X” pré-preenchido — sempre confirmável, nunca automático.

• Grupo focal como caso de primeira classe: ao transcrever, o app pergunta “Quantas pessoas falam?” (presets entrevista/grupo focal/exato/auto, uma vez por lote); cores estáveis por voz na tabela de blocos; rótulos default “Moderador/Participante N”.

• Partida com feedback e instância única: splash imediato ao abrir e o segundo clique no ícone traz a janela existente (nunca mais duas janelas); campo Falante editável com “Aplicar a todos desta voz”.

• Player das amostras: toca o WAV preparado (timeline exata do pipeline) e contorna o descarte silencioso de seek do backend de mídia do Windows.

• Beta público do canal novo: release beta-0.2.0b1 (wheel instalável por URL com uv tool install) para testes em máquinas reais antes da v0.2.0.

0.1.8 — 2026-04-27

UX baseada em feedback da Denise (1ª usuária externa, instalou v0.1.7 e transcreveu sua primeira entrevista de 1h36 em ~10 min com aceleração CUDA). Três pequenos atritos identificados, todos corrigidos:

1. Auto-retry no download dos modelos HF

_manual_snapshot_download em transcribe_pipeline/model_manager.py agora faz retry automático per-blob com backoff exponencial (5 tentativas, esperas 0/2/4/8/16s). Em conexão flaky (caso reportado: erro a ~40% do download recorrente), o sistema retenta sozinho até concluir; só levanta exception para a UI se as 5 tentativas falharem. Antes, cada falha exigia clique manual em “Voltar”+“Próximo” — Denise teve que repetir 4-5 vezes.

UI (review_studio_qt.py) reconhece o evento novo model_download_retry e mostra na label do wizard: "Reconectando em 4s (3/5) — falha: ConnectionError".

Toy test novo: tests/toy_manual_snapshot_retry.py (3 cenários: 3-falhas+sucesso, 5-falhas+desiste, caminho-feliz).

2. Label informativa durante extração lzma2

packaging/transcritorio.iss ganha CurStepChanged(ssInstall) que escreve no WizardForm.StatusLabel.Caption:

Extraindo arquivos do Transcritório (~1.6 GB) — pode levar 5 a 15 minutos. NÃO cancele se a barra parecer travada em 99% — é normal nesta fase.

Caso real: Denise cancelou achando que o install pendurou em 99% (o que pareceu inativo na realidade era a fase final de descompressão lzma2/ultra64). A label é estática (Inno não emite callback granular durante extração), mas previne pânico.

3. README seção “Avisos de antivírus / SmartScreen”

Adicionada seção em README.md explicando que o Transcritório é unsigned (code signing está em backlog em docs/WINDOWS_CODE_SIGNING.md) e que avisos de AVAST/Norton/Kaspersky/SmartScreen são falsos positivos genéricos de unsigned binary, não malware. Inclui instruções práticas: “Mais informações → Executar assim mesmo”, adicionar exceção AV pra Transcritorio.exe e whisperx.exe, link pro doc de code signing.

Mantém também a nota sobre instalação ficar em “99%” por minutos.

0.1.7 — 2026-04-25

Duas mudancas combinadas: integracao do cuda_pack no instalador Windows

• correcao de UI no header Motor:.

Setup.exe baixa cuda_pack durante o install (request do user)

Antes: bundle base instalava em C:\Program Files\Transcritorio\ (admin), e o cuda_pack era baixado no first-launch via dialog Python. Mas se user escolhia “Para todos”, o dialog batia em “Permissao insuficiente” pra escrever em Program Files (precisa elevar de novo). Pior UX.

Agora: o proprio Setup.exe (que ja tem admin se elevado) detecta NVIDIA durante a instalacao via nvidia-smi -L e oferece um checkbox no wizard (“Acelerar transcricoes com minha placa NVIDIA, baixa ~890 MB”). Se marcado, o installer baixa o transcritorio-cuda-pack-{VERSION}-win64.zip da release do GitHub via DownloadTemporaryFile (Inno 6.4+) e extrai com tar.exe (Win10 1803+).

Vantagens:

• Sem erro de permissao em “Para todos” (admin do install cobre).
• Auto-detect: pagina pula se nao tem NVIDIA (user CPU-only nao percebe).
• Default DESMARCADO: nao baixa 890 MB sem consent explicito.
• Fallback duplo: se download falha (offline, timeout), MsgBox amigavel e o app oferece de novo no first-launch via cuda_installer.py.
• [InstallDelete] apaga DLLs CUDA antigas antes do [Files] — evita ABI mismatch no upgrade v0.1.6 -> v0.1.7+.
• [Setup] CloseApplications=force: fecha app rodando sem prompt.

Gates CI novos em .github/workflows/release.yml:

• “Verify tag matches AppVersion”: valida que push de tag v0.1.7 casa com AppVersion="0.1.7" no .iss. Sem isso, URL do cuda_pack apontaria pra release errada (404 silencioso).
• “Setup.exe smoke (silent install)”: roda Setup.exe pos-compile com /VERYSILENT /SKIPCUDA=1 /CURRENTUSER em $RUNNER_TEMP. Pega erro Pascal silencioso. Runner do GitHub nao tem GPU, entao /SKIPCUDA=1 forca o branch CPU; caminho do download real e validado manualmente antes de cada tag publica.

Header Motor: respeita asr_device=cpu forcado

Bug: ao mudar Motor para CPU em “Configurar transcricao”, header continuava mostrando “Motor: CUDA (NVIDIA)” porque runtime.describe_backend() chamava detect_device() que cacheia o resultado e ignora a config do user. O pipeline real ja usava CPU corretamente (via resolve_device), so o header mentia.

Fix cirurgico: describe_backend() aceita configured_device opcional. Override SO quando cfg == "cpu" (user forcou). Outros valores (auto, cuda, mps, None) caem em detect_device(), preservando branch MLX em Apple Silicon (chamar resolve_device("mps") coage para cpu e mataria MLX).

review_studio_qt::project_header_text passa config["asr_device"] ao chamar describe_backend.

Toy tests: 3 casos novos validando override CPU + preservacao auto-detect.

0.1.6 — 2026-04-25

Quarto bug pre-existente da serie, exposto agora que v0.1.5 chega ao ponto de transcribe real do usuario:

LocalEntryNotFoundError: Cannot find an appropriate cached snapshot
folder for the specified revision on the local disk

Root cause

faster_whisper==1.2.1 em utils.py:11 define o registro _MODELS:

"large-v3-turbo": "mobiuslabsgmbh/faster-whisper-large-v3-turbo"

Mas Transcritorio em model_manager.ASR_VARIANTS["large-v3-turbo"]["repo"] usa dropbox-dash/faster-whisper-large-v3-turbo (mudanca em 2026-04-22 para eliminar redirect HTTP 307 que travava snapshot_download no bundle frozen).

O wizard baixa em models--dropbox-dash--faster-whisper-large-v3-turbo/, mas whisperx --model large-v3-turbo --model_cache_only True chama faster_whisper.WhisperModel(model_size_or_path="large-v3-turbo", ...) que resolve via _MODELS para mobiuslabsgmbh/... e procura no diretorio errado.

Fix

• transcribe_pipeline/model_manager.py: nova funcao resolve_asr_repo() que retorna o repo_id completo (e.g. dropbox-dash/...) em vez do shortcut. Faster_whisper aceita repo_id direto e procura no path certo do cache.
• transcribe_pipeline/whisperx_runner.py: passa effective_repo em --model em vez de effective_model (shortcut).

Ambas mudancas usam apenas o repo_id que o proprio wizard ja salvou no cache, entao nao requer redownload e nao depende de internet em runtime.

Bug latente analogo

mlx_whisper_runner.py:45-46 tem seu proprio mapeamento:

"large-v3-turbo": "mlx-community/whisper-large-v3-turbo"

Esse caminho e usado so em Mac com mlx-whisper instalado, e o repo mlx-community e diferente (modelo MLX, nao faster-whisper). Mantido como esta — bug nao se aplica ao path MLX.

0.1.5 — 2026-04-25

Fix do gate CI introduzido em v0.1.3. v0.1.4 falhou nos 3 SOs com LocalEntryNotFoundError no whisperx — o gate pedia --model_cache_only True mas o cache do tiny estava em tempdir do smoke-test (ja deletado). Removido --model_cache_only: o whisperx baixa o tiny online (~10s) se necessario, e em troca o gate fica independente de coordenacao de cache entre steps. Bug do bundle nao mudou — torchvision e torchcodec ja foram resolvidos em v0.1.3 e v0.1.4.

0.1.4 — 2026-04-24

Segundo bug latente pego pelo gate CI introduzido em v0.1.3: apos resolver o PackageNotFoundError: torchcodec, o gate revelou que whisperx tambem quebrava com ModuleNotFoundError: No module named 'torchvision' antes de qualquer transcribe.

Root cause

torchmetrics.functional.image.arniqa.py:31 importa torchvision no topo do modulo. Esse arquivo e carregado eagerly via:

whisperx -> asr -> vads/pyannote -> pyannote.audio -> lightning -> torchmetrics

O spec.py de v0.1.x explicitamente excluia torchvision do bundle por ele “nao ser usado” — comentario incorreto, ele e usado transitivamente.

Fix

• packaging/transcritorio.spec:
  • Removido "torchvision" do excludes.
  • Adicionado torchvision ao loop de collect_submodules.
• .github/workflows/release.yml:
  • Linux job instala torchvision==0.23.0 --index-url whl/cpu.
  • Mac job instala torchvision==0.23.0 (default arm64+CPU/MPS wheel).
  • Windows ja tinha torchvision==0.23.0 no install com whl/cu128.

Como o bug nao apareceu antes

Mesmo padrao do bug torchcodec da v0.1.3: o CI nunca invocava whisperx.exe contra audio real. v0.1.3 introduziu o gate que executa o binario contra 3s de silencio offline; foi ele que pegou os DOIS bugs em sequencia.

0.1.3 — 2026-04-24

Correcao de bug critico em todas as plataformas: whisperx.exe crashava no primeiro transcribe com PackageNotFoundError: torchcodec. Bug existia silenciosamente desde v0.1.1 porque o CI nunca exercitou o caminho whisperx.exe audio.wav — so testava Test-Path do binario.

Root cause

transformers==5.5.1 em audio_utils.py:55 faz:

if is_torchcodec_available():
    TORCHCODEC_VERSION = version.parse(importlib.metadata.version("torchcodec"))

is_torchcodec_available() usa find_spec("torchcodec") que retorna truthy pois o pacote Python esta no bundle. Mas o PyInstaller empacota os arquivos .py sem empacotar o torchcodec-0.7.0.dist-info/, entao version("torchcodec") levanta PackageNotFoundError. Esse caminho dispara assim que whisperx importa alignment (toda invocacao do whisperx.exe com audio real).

Fix

• packaging/transcritorio.spec — copy_metadata() para 13 pacotes (torchcodec + torch/torchaudio/transformers/huggingface_hub/tokenizers/ tqdm/regex/requests/packaging/filelock/pyyaml/numpy). Defensivo — qualquer outro pacote que chame importlib.metadata.version("<self>") em runtime estava sujeito ao mesmo bug.
• packaging/transcritorio.spec — hidden_imports ganhou torchcodec + collect_submodules("torchcodec"). Complementa o copy_metadata.
• .github/workflows/release.yml — novo gate “Frozen-bundle whisperx import chain” em Windows, Linux e Mac. Roda whisperx contra audio real (3s silencio, modelo tiny offline). Pega este tipo de bug antes da release publicar.

Como o bug passou despercebido

• transcritorio-cli.exe models smoke-test usa faster_whisper.WhisperModel diretamente, nao carrega whisperx.alignment nem transformers.audio_utils.
• whisperx.exe --help passa porque argparse carrega antes dos imports lazy.
• CI sempre usou Test-Path whisperx.exe como validacao — existe o binario, mas nunca foi invocado.
• O usuario de v0.1.1 que tenha torchcodec instalado via pip no sistema (fora do bundle) nao via o bug, porque find_spec resolveria via PATH do Python externo. Apenas bundles PyInstaller frozen quebravam.

0.1.2 — 2026-04-24

Bundle Windows agora funciona standalone em PCs sem CUDA Toolkit. Plataformas Mac e Linux inalteradas no comportamento (torch+cpu wheel ja resolvia). Tamanho do Windows installer subiu de 596 MB para 1.63 GB como trade-off pela robustez — v0.1.1 dependia silenciosamente do CUDA Toolkit instalado pelo usuario e falhava em PCs sem ele.

Split CPU/CUDA preciso

• packaging/bundle_filter.py — lista CPU_EXTRA agora mapeia exatamente as 14 DLLs CUDA que o torch cu128 carrega sob demanda via dlopen (cudnn_ops/adv/cnn/engines_/graph/heuristic, nvrtc, curand, cusolverMg, cufftw, caffe2_nvrtc). A lista MINIMAL e vazia — variant=full preserva todas as 25 CUDA DLLs para o split_bundle ter o que rotear ao cuda_pack.
• packaging/transcritorio.spec — coleta explicita das 14 DLLs lazy-load via binaries. O hook-torch do PyInstaller so pega imports IAT; sem essa adicao as lazy-load nunca chegam ao bundle.
• transcribe_pipeline/runtime.py — cuda_libs_present() usa cudnn_ops64_9.dll como canario do cuda_pack instalado (antes era torch_cuda.dll, que agora fica sempre no bundle base por ser IAT). detect_device() em Windows exige cuda_libs_present() alem de torch.cuda.is_available() — evita crash cudnn_graph64_9.dll not found em Conv/LSTM quando o usuario NVIDIA ainda nao baixou o cuda_pack.

Por que o bundle Windows cresceu

Versoes 0.1.x anteriores strippavam cufft64, cusparse64 e nvJitLink do bundle — essas 3 sao imports IAT de torch_cpu.dll/torch.dll em torch cu128. import torch falha com OSError [WinError 126] sem elas. v0.1.1 “funcionava” so em PCs que tinham CUDA Toolkit instalado em C:\Program Files\NVIDIA GPU Computing Toolkit resolvendo via PATH. Em PCs sem CUDA Toolkit o bundle crashava silenciosamente no primeiro import torch.

v0.1.2 preserva as 11 CUDA DLLs IAT obrigatorias no bundle base. As 14 lazy-load vao para o cuda_pack separado (download-on-demand a partir do dialog “Detectamos placa NVIDIA” no primeiro launch).

Artefatos

Sistema	Arquivo	Tamanho
Windows 10/11	Transcritorio-0.1.2-Setup.exe	~1.63 GB
Windows CUDA pack	transcritorio-cuda-pack-0.1.2-win64.zip	~890 MB
macOS arm64	Transcritorio.dmg	~600 MB
Linux x86_64	Transcritorio-x86_64.AppImage	~771 MB

0.1.1 — 2026-04-20

Primeira versao com distribuicao cross-plataforma automatica via GitHub Actions. Nenhuma mudanca de API ou UX no app em si; esta e uma release de infraestrutura que torna o Transcritorio instalavel em macOS e Linux alem do Windows.

Novos artefatos de release

• Linux AppImage (Transcritorio-x86_64.AppImage, ~1.5 GB) — roda em qualquer distro com glibc 2.35+. Pre-requisitos: ffmpeg + libs xcb do sistema. Veja docs/LINUX_INSTALL.md.
• macOS .dmg (Transcritorio.dmg, ~500 MB, arm64) — nao assinado; primeira execucao requer “botao direito > Abrir”. Veja docs/MAC_INSTALL.md. Icone e background customizados.
• Windows Setup (Transcritorio-0.1.1-Setup.exe) — mesmo formato de antes, agora buildado no CI em vez de localmente.

Mudancas internas

• CI multiplataforma (.github/workflows/ci.yml): matriz Windows / Linux / macOS rodando toys + smokes a cada push e PR em main. Deps minimas (PySide6, numpy, keyring, cryptography — sem torch/ whisperx/pyannote) rodam em ~2-3min por OS.
• Release workflow (.github/workflows/release.yml): gatilho workflow_dispatch (manual) ou tag v*.*.*. Builda 3 artefatos, automatiza smoke Linux via Xvfb offscreen + CLI.
• Bundle variant infra (packaging/bundle_filter.py novo): spec PyInstaller aceita TRANSCRITORIO_BUNDLE_VARIANT=cpu|full via env var. Em cpu, strippa ~3 GB de CUDA DLLs (torch_cuda, cudnn*, cublas*, etc.) cross-plataforma (.dll / .so / .dylib).
• Helper runtime.cuda_libs_present() — detecta se torch_cuda esta no bundle. Usado pela GUI para oferecer download do CUDA pack em primeira execucao (pipeline 2E).
• CUDA download-on-demand (Item 2B-E do backlog):
  • build.ps1 produz bundle base CPU + cuda_pack.zip separado
  • Inno Setup [Components] com detecao de NVIDIA via nvidia-smi
  • Download sob demanda via Inno Download Plugin
  • Dialog GUI pos-instalacao oferece CUDA se NVIDIA detectada.

Testes

De 9 toys na 0.1.0 para 17 toys + 5 smokes. Cobertura nova: edge cases de filtro cross-plataforma, cuda_libs_present com FS inusual, detect_device com torch atipico, token_vault com backends estranhos.

Autoria

Commits de 0.1.1 sao de autoria exclusivamente humana; assistentes LLM nao aparecem como Co-Authored-By, Signed-off-by ou similar (conforme CLAUDE.md regra #9).

0.1.0 — 2026-04-14

Release inicial. Windows-only, instalador Inno Setup, ASR via WhisperX

• diarizacao pyannote community-1. GUI em PySide6.