Preparar o ambiente para multiplicar peças no seu computador

Tudo o que vem nesta trilha começa num arquivo baixado do Studio e termina num derivado feito no seu computador: o episódio com volume padronizado, a transcrição, o corte para redes, o vídeo legendado, o carrossel. Esses derivados não consomem o limite de uso do NotebookLM, porque nada é gerado de novo na nuvem. Para isso funcionar sem bagunça, você precisa de dois preparos: um lugar fixo onde cada ciclo de produção guarda seus arquivos e, para quem quiser ir além da interface web, um ambiente local mínimo com quatro ferramentas.

No fim deste capítulo você terá uma pasta de ciclo com os originais baixados, um manifesto em arquivo com uma linha por peça e, no caminho local, uma conferência que imprime as versões de Python, FFmpeg, faster-whisper e Pillow. Esta organização prepara os arquivos e o ambiente dos próximos capítulos de pós-produção; confira também os pré-requisitos específicos de cada aula. Se você não quer usar terminal, o caminho só pela web cobre a pasta e o manifesto, e os próximos capítulos sempre mostram a alternativa sem script antes do comando.

Pasta de ciclo é o diretório que reúne tudo o que um ciclo de produção usa e gera: a tabela de fontes, os prompts, os arquivos baixados do Studio, os derivados e o manifesto. O nome começa pela data no formato ano, mês e dia, seguida do tema, para as pastas ficarem em ordem cronológica. Duas regras sustentam a pasta. A primeira: o original baixado nunca é editado; cada derivado é um arquivo novo ao lado, com um sufixo que diz o que mudou. A segunda: o manifesto mora dentro da pasta, de modo que copiar a pasta leva junto a história de cada peça.

O manifesto foi definido no capítulo 16 como o registro do gate. Aqui ele vira arquivo de texto, legível por pessoas e por scripts. Arquivos pesados não entram em controle de versão: um Audio Overview longo pode passar de 50 MB, e o repositório incha em poucas semanas. Guarde a pasta num disco ou num drive com cópia de segurança e versione só o manifesto e os textos, se usar Git. No caminho local, cada linha do manifesto também guarda o hash SHA-256 do original. Hash é um resumo calculado a partir do conteúdo de um arquivo: se um único byte muda, o valor muda, e por isso ele serve para conferir que a cópia é idêntica ao original.

O caminho local acrescenta quatro ferramentas. Python 3.12 é a versão em que a esteira do caso real fixou a instalação auditada; versões mais novas tendem a funcionar com faster-whisper e Pillow, mas fixar a versão evita surpresas com pacotes que ainda não saíram para a versão nova. FFmpeg é um programa de linha de comando que lê e escreve praticamente qualquer formato de áudio e vídeo; ele vem com o ffprobe, que mede duração, resolução e fluxos de um arquivo. faster-whisper é uma biblioteca Python de transcrição que roda no processador, sem placa de vídeo; ela baixa o modelo de reconhecimento escolhido quando ele ainda não está salvo no computador. Pillow é a biblioteca de imagem mais usada em Python. Instale Python e FFmpeg pelo caminho do seu sistema. Depois, crie um ambiente virtual, uma pasta isolada com Python 3.12 e os próprios pacotes, e instale nele faster-whisper e Pillow. O ambiente virtual separa esses pacotes dos de outros projetos; FFmpeg e ffprobe continuam como programas do sistema. Fixar Python 3.12 reduz diferenças de compatibilidade, mas não torna a instalação reproduzível sozinho: para repetir o ambiente, registre também as versões do FFmpeg, do Pillow e das dependências que o pip resolveu, de preferência num arquivo de requisitos versionado. Nas abas abaixo aparece o PATH, a lista de locais em que o sistema procura programas quando você digita um comando.

Depois de instalar, faça uma conferência inicial das versões e da disponibilidade das ferramentas. Os comandos abaixo pedem a versão do Python, do ffmpeg e do ffprobe e importam as duas bibliotecas. Qualquer erro, como comando não encontrado ou falha de importação, reprova a conferência, e você só segue quando todas as linhas imprimirem uma versão. Esse é o mesmo princípio dos scripts da esteira do caso real: conferir antes de rodar. A conferência mostra que as ferramentas estão disponíveis; o processamento só fica testado quando você transcrever um áudio curto e cortar um vídeo pequeno, nos próximos capítulos. Rode com o ambiente virtual ativo.

Exemplo real: o ambiente local da esteira GEO-Pesquisador, da Brasil GEO. A esteira fixa Python 3.12 para a instalação auditada. No Windows, o FFmpeg entrou por winget install Gyan.FFmpeg, e a documentação registra o ambiente verificado com ffmpeg 8.1.1. O faster-whisper foi instalado e validado em 11/07/2026 na versão 1.2.1, que é o motivo de o curso fixar a mesma versão no comando. A decisão de fixar veio de uma queda anterior: em 09/07/2026, um ambiente com Python 3.14 não encontrou pacote compilado para uma dependência da biblioteca de automação, e a instalação falhou.

A segunda decisão foi sobre o modelo de transcrição. O faster-whisper oferece modelos de tamanhos diferentes: tiny com cerca de 75 MB, base com 145 MB, small com 460 MB, medium com 1,5 GB e large-v3-turbo com 1,6 GB. A esteira usa small como padrão no ciclo semanal, mas, na mídia de capítulo de curso, adotou large-v3-turbo. O motivo foi medido: naquela máquina, o medium transcreveu “polir funcionalidade” como “polifuncionalidade” e “a inércia cobra o preço” como “A Inésia cobre o preço”, enquanto o large-v3-turbo saiu mais rápido e mais fiel.

A terceira decisão foi de comportamento. Todo script da esteira confere as dependências no começo e sai com código 2 quando falta ffmpeg, faster-whisper ou Pillow, e nenhum instala pacote sozinho. O modelo de transcrição é a exceção conhecida: o faster-whisper o baixa no primeiro carregamento, então quem precisa rodar sem rede baixa o modelo antes. Os binários ficam fora do Git, e cada derivado é arquivo novo ao lado do original, com sufixos como -podcast.m4a e -legendado.mp4. Variação: se o seu computador tem pouca memória, comece pelo modelo small e só troque de modelo depois de comparar duas transcrições do mesmo trecho.

Avalie o script antes de rodar com arquivos importantes. Leia se ele copia em vez de mover, se calcula o hash do arquivo copiado e se recusa sobrescrever. Rode primeiro numa pasta de teste com dois arquivos pequenos, rode de novo e confira que nada mudou. Se o script usar alguma biblioteca externa, peça a versão só com a biblioteca padrão. O capítulo Claude Code mostra como pedir e revisar esse tipo de script com calma.