readme-pt_BR.md

Olá, eu sou o SUCATA.

Um tradutor de legendas que utiliza modelos de Inteligência Artificial Open-Source.

---

📖 Índice

• Visão Geral
• Funcionalidades
• Estrutura do Projeto
• Como Começar
  • Pré-requisitos
  • Instalação
  • Como Usar
• Testes
• Nota Importante
• Roadmap do Projeto
• Contribuindo
• Licença
• Agradecimentos

---

🌟 Visão Geral

Sucata é uma ferramenta open-source projetada para extrair e traduzir legendas de arquivos .mkv, além de processar diretamente arquivos .srt, .ass e .ssa. Com uma interface amigável, o Sucata utiliza modelos de linguagem baseados em IA, como Llama, para fornecer traduções de alta qualidade enquanto preserva o contexto e o estilo dos diálogos originais.

---

⚙️ Funcionalidades

• Extração de Legendas:

  • Compatível com faixas de legenda em arquivos MKV.
  • Seleção de faixas via GUI para melhor usabilidade.

• Tradução Inteligente:

  • Suporte a arquivos .srt, .ass e .ssa.
  • Adaptação contextual de gírias, expressões culturais e tons emocionais.

• Interface Gráfica:

  • Desenvolvida com Tkinter, oferece simplicidade e acessibilidade.

• Suporte a Múltiplos Idiomas:

  • Suporta diversos idiomas, incluindo Árabe, Bengali, Chinês Mandarim, Coreano, Espanhol, Francês, Hindi, Inglês, Indonésio, Japonês, Marathi, Português, Português Brasileiro, Punjabi Ocidental, Russo, Tâmil, Telegu, Turco, Urdu e Vietnamita.

---

📂 Estrutura do Projeto

└── sucata/
    ├── app.py                # Arquivo principal do projeto
    ├── fonts/                # Fontes utilizadas na interface
    │   ├── FKGroteskNeueTrial-Bold.otf
    │   ├── FKGroteskNeueTrial-Regular.otf
    │   └── Horizon.otf
    ├── img/                  # Imagens do projeto
    │   ├── sucata_hello.png
    │   ├── sucata_icon.ico
    │   ├── sucata_preview.jpeg
    │   └── kofi_pt-BR.png
    ├── requirements.txt      # Dependências do projeto
    └── README.md             # Readme universal
    └── README-pt-BR.md       # Este arquivo

---

🚀 Como Começar

🛠️ Pré-requisitos

• Python: Requer Python 3.9 ou superior.
• Pip: Gerenciador de pacotes do Python.
• Ferramentas Externas:
  • mkvextract e mkvmerge para manipulação de arquivos MKV.
• Conta na Hugging Face (opcional): Necessária para acessar alguns modelos de IA, como Llama.

📦 Instalação

1. Clone o Repositório:

   git clone https://github.com/pedronalis/sucata.git

2. Acesse o Diretório:

   cd sucata

3. Instale as Dependências:

   pip install -r requirements.txt

4. Configure o Modelo (opcional):

   • Para usar modelos Llama ou Qwen, solicite acesso na Hugging Face.
   • Caso não tenha acesso, utilize um modelo alternativo open-source.

---

🪄 Como Usar

1. Execute o programa:

   python app.py

2. Na interface:
   • Selecione um arquivo MKV ou de legenda (.srt/.ass/.ssa).
   • Escolha o idioma de origem.
   • Clique em Iniciar Tradução e acompanhe o progresso no log.

---

🧪 Testes

• Básico:
  • Utilize um pequeno arquivo .srt para testar as traduções.
• Avançado:
  • Teste com arquivos MKV contendo várias faixas de legenda.

---

📝 Nota Importante

Este programa não substitui um tradutor profissional e não garante traduções 100% perfeitas. Embora utilize modelos avançados de Inteligência Artificial, podem ocorrer erros ou inadequações contextuais em algumas traduções.

Para melhorar os resultados, você pode personalizar o prompt no arquivo app.py de acordo com o idioma e o estilo desejados. Isso pode ajudar a IA a produzir traduções mais adaptadas às suas necessidades.

---

📅 Roadmap do Projeto

• Lançamento Inicial: Tradução de legendas e extração de faixas.
• Implementar suporte para novos idiomas.
• Adicionar suporte para tradução em lote.
• Melhorar otimização de modelos com fine-tuning.

---

🤝 Contribuindo

• Fork o Repositório e faça suas melhorias!
• Envie um Pull Request com suas alterações.
• Reporte Bugs ou sugira melhorias.

---

📜 Licença

Este projeto é licenciado sob a GNU AGPL.

Sinta-se à vontade para contribuir! ❤️

---

🙏 Agradecimentos

• Hugging Face: Pelo suporte aos modelos open-source.
• Comunidade Tkinter: Pela documentação acessível.
• Todos os contribuidores e testers que ajudam a melhorar o projeto.

---