{"id":30066678,"url":"https://github.com/rubdelima/tintino","last_synced_at":"2026-04-09T08:32:03.519Z","repository":{"id":305523436,"uuid":"1023111695","full_name":"rubdelima/tintino","owner":"rubdelima","description":"Tintino é um projeto da disciplina de Criatividade Computacional com o objetivo de criar histórias interativas para crianças, utilizando imagens e áudio gerados por ferramentas de IA.","archived":false,"fork":false,"pushed_at":"2025-07-31T01:33:43.000Z","size":5146,"stargazers_count":0,"open_issues_count":0,"forks_count":0,"subscribers_count":0,"default_branch":"main","last_synced_at":"2025-07-31T03:11:34.813Z","etag":null,"topics":["fastapi","gemini","langchain","whisper"],"latest_commit_sha":null,"homepage":"","language":"Python","has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":null,"status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/rubdelima.png","metadata":{"files":{"readme":"README.md","changelog":null,"contributing":null,"funding":null,"license":null,"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}},"created_at":"2025-07-20T14:52:08.000Z","updated_at":"2025-07-31T01:33:46.000Z","dependencies_parsed_at":"2025-07-31T03:23:03.727Z","dependency_job_id":null,"html_url":"https://github.com/rubdelima/tintino","commit_stats":null,"previous_names":["rubdelima/louie","rubdelima/tintino"],"tags_count":null,"template":false,"template_full_name":null,"purl":"pkg:github/rubdelima/tintino","repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/rubdelima%2Ftintino","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/rubdelima%2Ftintino/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/rubdelima%2Ftintino/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/rubdelima%2Ftintino/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/rubdelima","download_url":"https://codeload.github.com/rubdelima/tintino/tar.gz/refs/heads/main","sbom_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/rubdelima%2Ftintino/sbom","host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":269385801,"owners_count":24408432,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2022-07-04T15:15:14.044Z","status":"online","status_checked_at":"2025-08-08T02:00:09.200Z","response_time":72,"last_error":null,"robots_txt_status":"success","robots_txt_updated_at":"2025-07-24T06:49:26.215Z","robots_txt_url":"https://github.com/robots.txt","online":true,"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":["fastapi","gemini","langchain","whisper"],"created_at":"2025-08-08T08:00:43.764Z","updated_at":"2026-04-09T08:31:58.497Z","avatar_url":"https://github.com/rubdelima.png","language":"Python","funding_links":[],"categories":[],"sub_categories":[],"readme":"## 🐠 Tintino – Histórias Interativas com Inteligência Artificial\n\n\u003e **Objetivo**: Tornar a tecnologia uma aliada para histórias, estimulando a criatividade, a imaginação e a autonomia das crianças através de um ambiente lúdico, educativo e interativo.\n\n\u003cp align=\"center\"\u003e\n  \u003cimg src=\"./assets/images/logo.png\" alt=\"estuda-ai\" width=\"60%\"\u003e\n\u003c/p\u003e\n\n**Tintino** é um projeto desenvolvido para a disciplina de **Criatividade Computacional**, com o propósito de explorar o uso de **Inteligência Artificial** na criação de histórias **interativas e personalizadas para crianças**.\n\nA proposta do projeto é transformar a experiência de contar histórias em algo mais **imaginativo, dinâmico e multimodal**, por meio de:\n\n🎨 **Imagens Geradas por IA**: as cenas e personagens são criados a partir de prompts, trazendo ilustrações únicas e encantadoras.\n\n🎙️ **Narração por Voz**: com uso de síntese de voz, as histórias ganham vida por meio de áudios expressivos e imersivos.\n\n🗣️ **Interações por Fala e Escuta**: a criança pode participar das histórias, fazendo escolhas, respondendo perguntas e interagindo com os personagens por voz.\n\n🖍️ **Avaliação de Desenhos**: o sistema também incentiva a criatividade ao permitir que a criança desenhe e receba um retorno gentil da IA, incentivando a expressão artística.\n\n## 🚀 Formas de Executar o Projeto\n\n### 🐳 Usando Docker (Recomendado para Produção)\n\nA forma mais simples de executar o projeto completo é utilizando Docker Compose:\n\n**Execução com logs visíveis (modo tradicional):**\n```bash\ndocker-compose up --build\n```\n\n**Execução em segundo plano (background):**\n```bash\ndocker-compose up --build -d\n```\n\n**Para acompanhar os logs quando executando em background:**\n```bash\ndocker-compose logs -f\n```\n\n**Para parar os containers:**\n```bash\ndocker-compose down\n```\n\n**Acesso:**\n- **Frontend (Interface)**: `http://localhost`\n- **API**: `http://localhost/api`\n- **Documentação da API**: `http://localhost/api/docs` ou `http://localhost/api/redoc`\n\n\u003e **⚠️ Nota**: O Docker é excelente para deploy e execução completa, mas no Windows pode consumir mais recursos devido à virtualização. Para desenvolvimento, ou recursos limitados, considere a execução manual da API.\n\n### 🛠️ Execução Manual (Recomendado para Desenvolvimento)\n\n#### 1. Configurando o ambiente\n\nRecomendamos criar um ambiente virtual para isolar as dependências do projeto, de preferência com o conda:\n\n**Usando Conda:**\n```bash\nconda create -n louie python=3.10.6\nconda activate louie\n```\n\n**Usando venv:**\n```bash\npython3 -m venv .venv\n# Linux/macOS\nsource .venv/bin/activate\n# Windows\n.venv\\Scripts\\activate\n```\n\n#### 2. Instalação das dependências\n\nAs dependências do projeto estão **organizadas por componente** na pasta `requirements/` para facilitar a instalação apenas do que você precisa:\n\n**Para a API (Backend):**\n\nA API é o núcleo do sistema que processa as requisições e se comunica com os modelos de IA. \n\n**Primeiro, instale as dependências principais:**\n```bash\npip install -r requirements/api.txt\n```\n\n**Depois, se quiser usar modelos locais, instale uma das extensões:**\n```bash\n# Para usar Whisper local com GPU NVIDIA + CUDA (processamento local mais rápido)\npip install -r requirements/api_nvidia.txt\n\n# Para usar Whisper local apenas com CPU (processamento local mais lento)\npip install -r requirements/api-cpu.txt\n```\n\n\u003e **⚠️ Importante**: \n\u003e - O `api.txt` contém todas as dependências básicas e permite usar Whisper via API da OpenAI (recomendado)\n\u003e - Os outros arquivos (`api_nvidia.txt` e `api-cpu.txt`) contêm apenas Whisper e PyTorch para execução local\n\u003e - Para usar Whisper via API: configure a chave `OPENAI_API_KEY` no arquivo `.env`\n\u003e - Para usar Whisper local: configure `use_api = false` no arquivo `config.toml`\n\n**Para a Interface (Frontend):**\n\nA interface é a parte visual do projeto (Streamlit) que os usuários vão interagir:\n\n```bash\npip install -r requirements/st.txt\n```\n\n\u003e **💡 Dica**: Se você for desenvolver ou usar ambos (API + Interface), instale as duas dependências. Se for apenas testar a API, instale apenas a primeira.\n\n#### 3. Dependências do Sistema\n\n**📦 FFmpeg (Obrigatório):**\n\n- **Linux**: `sudo apt install ffmpeg`\n- **macOS**: `brew install ffmpeg`\n- **Windows/Conda**: `conda install ffmpeg`\n\n**🪄 Python Magic:**\n\n- **Windows**: Use `python-magic-bin` em vez de `python-magic`:\n  ```bash\n  pip install python-magic-bin\n  ```\n  \u003e O `python-magic-bin` já inclui as dependências binárias necessárias para Windows.\n\n- **Linux/macOS**: O `python-magic` padrão funciona corretamente.\n\n#### 4. Configuração de variáveis de ambiente\n\nCrie um arquivo `.env` na raiz do projeto com suas chaves de API:\n\n```env\nGEMINI_API_KEY=your_gemini_api_key_here\nOPENAI_API_KEY=your_openai_api_key_here\n```\n\n\u003e **💡 Dica**: Existe um arquivo `env.example` na raiz do projeto que você pode usar como modelo. Basta copiá-lo para `.env` e preencher com suas chaves.\n\n#### 5. Executando os serviços\n\n**API (Backend):**\n```bash\nuvicorn api.main:app --reload\n```\n\n**Interface (Frontend):**\n```bash\nstreamlit run streamlit_app.py\n```\n\n**Acesso:**\n- **API**: `http://localhost:8000`\n- **Documentação da API**: `http://localhost:8000/docs`\n- **Interface**: `http://localhost:8501`\n\n---\n","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Frubdelima%2Ftintino","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Frubdelima%2Ftintino","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Frubdelima%2Ftintino/lists"}