{"id":49589640,"url":"https://github.com/esscova/tubetalk","last_synced_at":"2026-05-04T00:34:12.441Z","repository":{"id":320477077,"uuid":"1079035226","full_name":"esscova/TubeTalk","owner":"esscova","description":"Assistente pessoal do YouTube com IA. O TubeTalk ajuda você a analisar vídeos do YouTube extraindo insights, gerando resumos e possibilitando conversas interativas sobre o conteúdo.","archived":false,"fork":false,"pushed_at":"2025-10-24T00:56:53.000Z","size":587,"stargazers_count":0,"open_issues_count":0,"forks_count":0,"subscribers_count":0,"default_branch":"main","last_synced_at":"2025-10-24T02:55:48.992Z","etag":null,"topics":["langchain","llm","python","streamlit","youtube"],"latest_commit_sha":null,"homepage":"","language":"Python","has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":"mit","status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/esscova.png","metadata":{"files":{"readme":"README.md","changelog":null,"contributing":null,"funding":null,"license":"LICENSE","code_of_conduct":null,"threat_model":null,"audit":null,"citation":null,"codeowners":null,"security":null,"support":null,"governance":null,"roadmap":null,"authors":null,"dei":null,"publiccode":null,"codemeta":null,"zenodo":null,"notice":null,"maintainers":null,"copyright":null,"agents":null,"dco":null,"cla":null}},"created_at":"2025-10-19T00:25:39.000Z","updated_at":"2025-10-24T00:56:57.000Z","dependencies_parsed_at":"2025-10-24T02:55:52.954Z","dependency_job_id":"4416d72d-aec8-43b0-91a6-189fecd82f36","html_url":"https://github.com/esscova/TubeTalk","commit_stats":null,"previous_names":["esscova/tubetalk"],"tags_count":null,"template":false,"template_full_name":null,"purl":"pkg:github/esscova/TubeTalk","repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/esscova%2FTubeTalk","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/esscova%2FTubeTalk/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/esscova%2FTubeTalk/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/esscova%2FTubeTalk/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/esscova","download_url":"https://codeload.github.com/esscova/TubeTalk/tar.gz/refs/heads/main","sbom_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/esscova%2FTubeTalk/sbom","scorecard":null,"host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":286080680,"owners_count":32590389,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2026-05-03T22:12:39.696Z","status":"ssl_error","status_checked_at":"2026-05-03T22:09:10.534Z","response_time":103,"last_error":"SSL_read: unexpected eof while reading","robots_txt_status":"success","robots_txt_updated_at":"2025-07-24T06:49:26.215Z","robots_txt_url":"https://github.com/robots.txt","online":false,"can_crawl_api":true,"host_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub","repositories_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories","repository_names_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repository_names","owners_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners"}},"keywords":["langchain","llm","python","streamlit","youtube"],"created_at":"2026-05-04T00:34:11.573Z","updated_at":"2026-05-04T00:34:12.432Z","avatar_url":"https://github.com/esscova.png","language":"Python","funding_links":[],"categories":[],"sub_categories":[],"readme":"# TubeTalk\n[![Python](https://img.shields.io/badge/Python-3.8+-blue.svg)](https://www.python.org/downloads/)\n[![Streamlit](https://img.shields.io/badge/Streamlit-1.0+-red.svg)](https://streamlit.io/)\n[![License](https://img.shields.io/badge/License-MIT-green.svg)](LICENSE)\n\n**TubeTalk** é um aplicativo web baseado em Python que permite aos usuários analisar vídeos do YouTube, extraindo transcrições e metadados, gerando resumos, tópicos-chave e artigos completos com o auxílio de modelos de linguagem avançados (LLMs). A interface, construída com Streamlit, oferece uma experiência interativa com visualização de metadados, análises e um chat contextual para perguntas relacionadas ao vídeo.\n\nDesenvolvido por [Wellington M. Santos](https://www.linkedin.com/in/wellington-moreira-santos).\n\n![Screenshot do TubeTalk](screenshot.png)\n\n## Funcionalidades\n\n- **Extração de Dados do YouTube**: Obtém transcrições e metadados (título, autor, canal, data de publicação, visualizações, duração, etc.) de vídeos do YouTube usando `youtube_transcript_api` e `yt_dlp`.\n- **Processamento com LLMs**: Gera resumos, extrai tópicos-chave e cria artigos baseados em transcrições, utilizando provedores como OpenAI, Groq, Ollama e HuggingFace.\n- **Interface Interativa**: Interface web com Streamlit que exibe metadados, análises (resumo, tópicos, artigo) e permite interação via chat com contexto do vídeo.\n- **Configuração Flexível**: Suporta múltiplos provedores de LLM com configuração de modelo, temperatura e número máximo de tokens.\n- **Exportação de Resultados**: Permite baixar resumos, tópicos e artigos em formatos `.txt` e `.md`.\n\n## Estrutura do Projeto\n\nO projeto é composto por três módulos principais:\n\n1. **`youtube_service.py`**: Extrai transcrições e metadados de vídeos do YouTube.\n2. **`llm_service.py`**: Processa transcrições usando LLMs para gerar resumos, tópicos e artigos.\n3. **`ui.py`**: Interface de usuário web com Streamlit, integrando os serviços acima.\n\n## Requisitos\n\n- Python 3.8 ou superior\n- Gerenciador de pacotes **uv** (para gerenciamento de dependências via `pyproject.toml`).  \n\n  \u003e **Nota:** O [uv](https://github.com/astral-sh/uv) é um gerenciador de dependências ultrarrápido para Python, compatível com arquivos `pyproject.toml`. Ele foi escolhido por sua velocidade e simplicidade em relação a alternativas como `pip` ou `poetry`, facilitando a instalação e sincronização de dependências em projetos modernos.\n\n- Dependências especificadas em `pyproject.toml`, incluindo:\n  - `streamlit`\n  - `youtube_transcript_api`\n  - `yt_dlp`\n  - `python-dotenv`\n  - `langchain`\n  - `langchain-community`\n  - `langchain-openai`\n  - `langchain-groq`\n\n## Instalação\n\n1. **Clone o repositório**:\n   ```bash\n   git clone https://github.com/esscova/tubetalk.git\n   cd tubetalk\n   ```\n\n2. **Instale o uv** (se ainda não estiver instalado):\n   ```bash\n   pip install uv\n   ```\n\n3. **Crie um ambiente virtual com uv**:\n   ```bash\n   uv venv\n   source .venv/bin/activate  # Linux/Mac\n   .venv\\Scripts\\activate     # Windows\n   ```\n\n4. **Sincronize as dependências com uv**:\n   ```bash\n   uv sync\n   ```\n   Isso instalará todas as dependências listadas no arquivo `pyproject.toml`.\n\n5. **Configure as chaves de API**:\n   Crie um arquivo `.env` na raiz do projeto com as chaves de API necessárias:\n   ```plaintext\n   OPENAI_API_KEY=your-openai-key\n   GROQ_API_KEY=your-groq-key\n   HUGGINGFACEHUB_API_TOKEN=your-huggingface-key\n   ```\n   Observação: Ollama não requer chave de API, mas deve estar em execução localmente.\n\n6. **Configure os templates de prompt** (se necessário):\n   Certifique-se de que o módulo `configs.prompts` contém os templates `SUMMARY_PROMPT_TEMPLATE`, `TOPICS_PROMPT_TEMPLATE` e `ARTICLE_PROMPT_TEMPLATE`. Exemplo:\n   ```python\n   # configs/prompts.py\n   SUMMARY_PROMPT_TEMPLATE = \"Resuma o seguinte texto em 3-5 frases: {transcript}\"\n   TOPICS_PROMPT_TEMPLATE = \"Extraia os tópicos principais do texto: {transcript}\"\n   ARTICLE_PROMPT_TEMPLATE = \"Escreva um artigo com base no texto: {transcript}\"\n   ```\n\n## Uso\n\n1. **Execute o aplicativo**:\n   ```bash\n   streamlit run ./src/main.py\n   ```\n\n2. **Acesse a interface**:\n   - Abra o navegador no endereço fornecido (geralmente `http://localhost:8501`).\n   - Insira uma URL de vídeo do YouTube (ex.: `https://www.youtube.com/watch?v=Sm5jALppTLE`).\n   - Configure o provedor de LLM, modelo, chave de API (se necessário), temperatura e máximo de tokens na barra lateral.\n   - Clique em **Analisar Vídeo** para extrair metadados e gerar análises.\n\n3. **Funcionalidades da interface**:\n   - **Metadados**: Visualize título, canal, autor, data, visualizações e duração.\n   - **Abas de análise**:\n     - **Summary**: Exibe o resumo do vídeo com opção de download (`.txt`).\n     - **Topics**: Lista os tópicos principais com opção de download (`.txt`).\n     - **Article**: Mostra o artigo gerado com opção de download (`.md`).\n     - **Chat**: Permite perguntas contextuais sobre o vídeo (título, descrição, tags, resumo, transcrição).\n   - **Analisar Outro Vídeo**: Redefine a interface para processar um novo vídeo.\n\n## Exemplo de Uso\n\n```python\nfrom ui import UI\n\n# Inicializa e executa a interface\nui = UI()\nui.run()\n```\n\nNa interface:\n1. Insira a URL: `https://www.youtube.com/watch?v=Sm5jALppTLE`.\n2. Escolha o provedor (ex.: `groq`), modelo (ex.: `llama-3.3-70b-versatile`) e insira a chave de API.\n3. Clique em **Analisar Vídeo**.\n4. Navegue pelas abas para visualizar resumo, tópicos e artigo.\n5. Use a aba **Chat** para fazer perguntas como: \"Qual é o tema principal do vídeo?\".\n\n## Configuração de LLMs\n\n- **OpenAI**: Requer chave de API (`OPENAI_API_KEY`). Modelo padrão: `gpt-3.5-turbo`.\n- **Groq**: Requer chave de API (`GROQ_API_KEY`). Modelo padrão: `llama-3.3-70b-versatile`.\n- **HuggingFace**: Requer chave de API (`HUGGINGFACEHUB_API_TOKEN`). Modelo padrão: `mistralai/Mistral-7B-Instruct-v0.1`.\n- **Ollama**: Não requer chave de API, mas precisa estar em execução localmente. Modelo padrão: `llama2`.\n\nTeste a configuração do LLM na barra lateral antes de analisar vídeos.\n\n## Limitações\n\n- **YouTube**:\n  - Depende da disponibilidade da API de transcrições do YouTube.\n  - Vídeos privados ou com restrições de idade/região podem não ser processados.\n- **LLMs**:\n  - Requer chaves de API válidas para OpenAI, Groq e HuggingFace.\n  - O desempenho depende do modelo e provedor selecionados.\n- **Interface**:\n  - Suporta apenas um vídeo por sessão.\n  - O chat usa apenas os primeiros 800 caracteres da transcrição para contexto.\n\n## Contribuição\n\nContribuições são bem-vindas! Para contribuir:\n1. Faça um fork do repositório.\n2. Crie uma branch para sua feature (`git checkout -b feature/nova-funcionalidade`).\n3. Commit suas alterações (`git commit -m 'Adiciona nova funcionalidade'`).\n4. Envie para o repositório remoto (`git push origin feature/nova-funcionalidade`).\n5. Abra um Pull Request.\n\n## Licença\n\nEste projeto está licenciado sob a [MIT License](LICENSE).\n\n## Contato\n\nDesenvolvido por [Wellington M. Santos](https://www.linkedin.com/in/wellington-moreira-santos). Para dúvidas ou sugestões, abra uma issue no repositório ou entre em contato via LinkedIn.","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fesscova%2Ftubetalk","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Fesscova%2Ftubetalk","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fesscova%2Ftubetalk/lists"}