Spike de viabilidade da fonte (sem DB/Payload): script + lib pura + unit tests; 3 discursos (55ª/56ª/57ª) processados ponta a ponta com segmentos ASR; relatório em docs/research/.
1.3 KiB
C152 — Piloto da fonte: vídeos e transcrição minutada de discursos da Câmara (2026-09-12): spike de viabilidade da fonte do acervo de falas, sem DB/Payload/collection/migration. Novo scripts/pilot-camara-speeches.mjs (orquestra: API de discursos → evento do dia → trechos por orador na página do evento → poll assíncrono de video-sob-demanda → download do MP4 → Deep Infra Whisper large-v3) + scripts/lib/camaraSpeeches.mjs (lógica pura: parser das âncoras, matching orador/horário, offset YouTube, normalização de segmentos) com 17 unit tests; script pnpm camara:pilot; cache de mídia/JSON em data/camara/ (novo no .gitignore). 3 discursos (55ª/2016, 56ª/2021, 57ª/2023) processados ponta a ponta com transcrição segmentada (start/end/text) — o endpoint compat verbose_json aceita o MP4 direto, sem ffmpeg, e devolve segmentos. Achados registrados em docs/research/piloto-fonte-videos-camara.md: link do VOD é determinístico/regerável (persistir evento+idAudio+trecho, não a URL); trechos por orador existem de 2015 em diante (54ª não cobre); casamento discurso↔evento é por data/hora (uriEvento vazio); página de trecho responde 400 anti-crawl. Custo medido US$ 0,0006–0,0021 por discurso. Sem migration, sem access/Consent; destrava C153/C154/C155.