Todos os 11 Passos Padrão do Fluxo de Trabalho

O Motor de Fluxos de Trabalho do DuRT 3.0 adota uma arquitetura de pipeline extensível baseada em DAG com 11 tipos de passos especializados. Cada passo segue um contrato de dados fortemente tipado, permitindo encadear e ramificar fontes de entrada, motores de reconhecimento, modelos de linguagem, síntese de voz e entrega em várias nuvens em um fluxo totalmente automatizado.

┌─────────────────┐     ┌─────────────────┐     ┌─────────────────┐     ┌─────────────────┐
│ 1. Fonte Entr.  │ ──> │ 2. ASR & Stream │ ──> │ 3. Pós-proc. IA │ ──> │ 4. TTS & Export │
└─────────────────┘     └─────────────────┘     └─────────────────┘     └─────────────────┘

---

Grupo 1: Passos de Entrada (Fontes de Entrada)

1. monitorCapture — Gravação de Áudio do Sistema & Tela

• Função: Captura áudio contínuo em tempo real do Safari, Zoom, YouTube ou do microfone por meio do ScreenCaptureKit e CoreAudio do macOS.
• Tipo da Porta de Saída: audioStream (Fluxo de áudio PCM)
• Opções Principais: Áudio Interno do Sistema vs. Microfone; Cancelamento de Eco Acústico (AEC) por hardware/DSP.

2. mediaInput — Ingestão de Arquivos & URLs de Streaming

• Função: Recebe arquivos de mídia locais (.mp4, .mov, .mkv, .mp3, .m4a, .wav) ou links da web (YouTube, Bilibili, URLs diretas de mídia).
• Tipo da Porta de Saída: mediaFile (Ativo físico de mídia)
• Opções Principais: Demuxing de áudio no cliente e padronização de formato.

3. subtitleInput — Ingestão de Legendas & Texto Bruto

• Função: Importa arquivos de legendas pré-existentes .srt ou .vtt, ou reaproveita textos de tarefas anteriores, permitindo executar etapas de IA downstream sem reprocessar o reconhecimento de voz.
• Tipo da Porta de Saída: subtitleTrack (Faixa de legendas com marcação temporal)
• Opções Principais: Detecção automática de codificação de texto e ajuste de deslocamento (offset) na linha do tempo.

---

Grupo 2: Reconhecimento de Fala (ASR) & Tradução ao Vivo

4. realtimeASR — Reconhecimento de Fala em Streaming

• Função: Emite deltas de legendas em tempo real e frases finalizadas com latência inferior a um segundo para alimentar legendas flutuantes.
• Tipo da Porta de Entrada: audioStream
• Tipo da Porta de Saída: subtitleStream (Fluxo de legendas ao vivo)
• Motores Suportados: Apple Speech nativo no dispositivo, Gateway WebSocket OneASR, OpenAI Realtime API.

5. mediaASR — Transcrição de Arquivos & Diarização de Locutores

• Função: Transcrição offline de altíssima precisão para gravações longas, gerando marcas temporais por palavra em milissegundos e separação de locutores não supervisionada (Locutor 1, Locutor 2, etc.).
• Tipo da Porta de Entrada: mediaFile
• Tipo da Porta de Saída: subtitleTrack (Faixa de legendas temporizada)
• Motores Suportados: Apple Speech nativo no dispositivo, OneASR Gateway (Whisper / SenseVoice), OpenAI Whisper API.

6. realtimeTranslation — Interpretação Simultânea

• Função: Traduz segmentos de ASR em streaming em tempo real, frase a frase, para legendas bilíngues de reuniões ao vivo.
• Tipo da Porta de Entrada: subtitleStream
• Tipo da Porta de Saída: subtitleStream (Fluxo bilíngue ao vivo)
• Motores Suportados: Tradução Neural Apple On-Device (macOS 15), API DeepSeek, OpenAI.

---

Grupo 3: Pós-processamento com IA, Síntese & Entrega

7. subtitleRefinement — Formatação & Refinamento de Legendas

• Função: Limpeza com IA que remove palavras de preenchimento e vícios de fala ("humm", "tipo"), corrige pontuação e ajusta quebras ideais de legenda (5 a 8 segundos por cartão), preservando as marcas temporais originais.
• Tipo da Porta de Entrada: subtitleTrack
• Tipo da Porta de Saída: subtitleTrack (Faixa de legendas refinada)

8. fullTranslation — Tradução Completa de Documentos & Legendas

• Função: Tradução contextual em lote preservando índices numéricos e marcações temporais exatas em mais de 50 idiomas.
• Tipo da Porta de Entrada: subtitleTrack
• Tipo da Porta de Saída: subtitleTrack (Faixa de legendas bilíngue)

9. contentCreation — Resumos & Derivação de Conteúdo

• Função: Extrai resumos executivos, atas de reunião, listas de ações ou postagens estruturadas a partir das transcrições.
• Tipo da Porta de Entrada: subtitleTrack ou document
• Tipo da Porta de Saída: document (Documento em Markdown / TXT)

10. textToSpeech — Síntese de Voz & Dublagem

• Função: Converte linhas de legendas refinadas ou traduzidas em faixas de áudio utilizando vozes neurais realistas (OpenAI TTS, Xiaomi MIMO TTS, OneTTS).
• Tipo da Porta de Entrada: subtitleTrack
• Tipo da Porta de Saída: mediaFile (Arquivo de áudio sintetizado)

11. exportArtifact — Entrega & Sincronização em Múltiplas Nuvens

• Função: Exporta arquivos finalizados para o armazenamento local e dispara a entrega automatizada em 6 canais de nuvem:
  • Exportação local: .srt, .vtt, .json, .txt, .md, .mp3
  • Entrega automatizada em nuvem: Armazenamento de Objetos S3 (AWS S3, Cloudflare R2, MinIO, OSS), Drives WebDAV (Nextcloud, Synology), Pastas Locais / NAS, Bancos de Dados Notion, Cofres Obsidian e Webhooks HTTP Personalizados.
• Tipo da Porta de Entrada: subtitleTrack, document, mediaFile
• Tipo da Porta de Saída: deliverable (Recibo e resumo de execução)