VideoStudy.app - FASE 1 ✅

Plataforma de análise de vídeos do YouTube usando Inteligência Artificial com Semantic Kernel.

📋 Estrutura do Projeto

VideoStudy.app/
├── VideoStudy.API/              # ASP.NET Core Web API (Semantic Kernel)
├── VideoStudy.Desktop/          # Blazor Hybrid Desktop Application
│   ├── VideoStudy.Desktop/      # Server project
│   └── VideoStudy.Desktop.Client/ # Client project
├── VideoStudy.Shared/           # Shared models and interfaces
├── Tests/                       # Test projects
├── REFERENCES.md                # Análise de referências
└── README.md                    # Este arquivo

🚀 Quick Start

Pré-requisitos

• .NET 8.0 SDK ou superior
• Visual Studio 2022 / VS Code (opcional)

1. Clonar/Abrir Projeto

cd /mnt/c/vscode/VideoStudy.app

2. Restaurar Dependências

dotnet restore

3. Executar a API

Opção A: Com Ollama (Local, Grátis)

Certifique-se que Ollama está rodando em http://localhost:11434

cd VideoStudy.API
dotnet run

A API estará disponível em: http://localhost:5000

Opção B: Com Groq (Cloud, Grátis)

1. Crie conta em https://console.groq.com
2. Gere API Key
3. Configure em VideoStudy.API/appsettings.json:

"LlmSettings": {
  "Provider": "Groq",
  "ModelId": "llama-3.1-8b-instant",
  "Endpoint": "https://api.groq.com/openai/v1",
  "ApiKey": "your-groq-api-key"
}

cd VideoStudy.API
dotnet run

4. Executar Desktop App (em outro terminal)

cd VideoStudy.Desktop/VideoStudy.Desktop
dotnet run

A aplicação estará disponível em: http://localhost:5001

📡 Endpoints da API

Health Check

GET /health

Resposta:

{
  "status": "ok",
  "timestamp": "2026-02-06T10:00:00Z"
}

Analisar Vídeo

POST /api/analyze
Content-Type: application/json

{
  "videoUrl": "https://www.youtube.com/watch?v=...",
  "language": "en",
  "mode": "fast"
}

Resposta:

{
  "videoTitle": "Video Title",
  "transcript": "Topics covered...",
  "analysis": "Detailed analysis...",
  "keyMoments": [
    {
      "timestamp": "00:00:30",
      "description": "Key moment description",
      "startSeconds": 30
    }
  ],
  "status": "success",
  "errorMessage": null
}

🏗️ Arquitetura

VideoStudy.Shared

Modelos compartilhados entre API e Desktop:

• AnalysisRequest - Entrada do usuário
• AnalysisResponse - Resposta da análise
• KeyMoment - Momento importante no vídeo
• ProgressUpdate - Atualização de progresso

VideoStudy.API

• Framework: ASP.NET Core 8.0
• AI Integration: Semantic Kernel 1.70.0
• LLM Providers:
  • Groq (padrão)
  • Ollama (local)
  • OpenAI (opcional)
• CORS: Habilitado para todas as origens (desenvolvimento)

VideoStudy.Desktop

• Framework: Blazor Hybrid
• UI: Bootstrap 5 + Razor Components
• Comunicação: HttpClient para chamadas à API
• Recursos:
  • URL input para vídeos do YouTube
  • Seleção de idioma
  • Modo Fast/Advanced
  • Barra de progresso
  • Debug logs
  • Tratamento de erros

🔧 Configuração Avançada

Mudar LLM Provider

Edite VideoStudy.API/Program.cs (linhas 21-37):

Para Ollama:

builder.Services.AddOllamaChatCompletion(
    "llama2",
    new Uri("http://localhost:11434")
);

Para OpenAI GPT-4:

builder.Services.AddOpenAIChatCompletion(
    "gpt-4o-mini",
    "sk-proj-your-key"
);

Para Google Gemini:

builder.Services.AddGoogleAIGeminiChatCompletion(
    "gemini-1.5-flash-latest",
    "your-google-api-key"
);

Build para Produção

dotnet build -c Release
dotnet publish -c Release -o ./publish

📊 FASE 2 - Status

✅ Concluído:

• Download de vídeos do YouTube (YoutubeExplode)
• Extração de legendas (Modo Rápido)
• Transcrição com Whisper.NET (Modo Avançado)
• Extração de screenshots (FFmpeg)
• Fluxo completo: URL → Transcrição → Análise IA → Screenshots
• Progress reporting em tempo real

❌ Não incluído (FASE 3):

• Geração de PDF
• UI refinada (Design System)
• Persistência (MongoDB)
• Autenticação

🔧 Requisitos Externos (Fase 2)

FFmpeg

Para que o "Modo Avançado" (Whisper e Screenshots) funcione, o FFmpeg deve estar instalado e acessível no PATH do sistema.

Linux (Ubuntu/Debian):

sudo apt update && sudo apt install ffmpeg

Windows: Baixe em ffmpeg.org e adicione a pasta bin às Variáveis de Ambiente.

Whisper Model

O modelo de IA (base) será baixado automaticamente na primeira execução para a pasta VideoStudy.Desktop/bin/Debug/net8.0/models/.

🔄 FASE 3 - Próximos Passos

Será implementado:

• YouTubeService (YoutubeExplode)
• TranscriptionService (Whisper.NET)
• ScreenshotService (FFmpeg)
• Modos: Fast (legendas) e Advanced (Whisper)
• Progress reporting em tempo real
• Tratamento robusto de erros

📝 Notas

• A API tem CORS habilitado para todos os domínios (alterar para produção!)
• Sem autenticação no momento (adicionar em FASE 3)
• LLM provider deve estar ativo antes de iniciar (Ollama ou Groq)
• Desktop aguarda API em http://localhost:5000 (configurável)

🐛 Troubleshooting

Erro: "Unable to connect to API"

• Verifique se a API está rodando: dotnet run em VideoStudy.API
• Confirme que porta 5000 está livre
• Verifique appsettings.json no Desktop: BaseUrl deve ser http://localhost:5000

Erro: "LLM Provider not available"

• Se usar Groq: Verifique API key em VideoStudy.API/appsettings.json
• Se usar Ollama: Certifique-se que Ollama está rodando (ollama serve)

Erro: "ModelId not found"

• Verifique o nome do modelo em appsettings.json
• Ollama: modelos podem ser listados com ollama list
• Groq: llama-3.1-8b-instant é o padrão

📞 Versões de Dependências

Package	Versão	Propósito
Microsoft.SemanticKernel	1.70.0	IA Integration
Microsoft.SemanticKernel.Connectors.OpenAI	1.70.0	OpenAI-compatible
Microsoft.SemanticKernel.Connectors.Ollama	1.70.0-alpha	Local LLM
Bootstrap	5.3.2	CSS Framework (Desktop)

📄 Licença

Projeto em desenvolvimento - Todos os direitos reservados

---

Última atualização: 2026-02-06 Fase: 1 (Estrutura Base) Status: ✅ Pronto para FASE 2