Criador indiano lança ferramenta que corta transmissões longas em 97 segundos
Programa em Python de Ajay K Meena processa vídeos locais ou da web sem enviar arquivos para a nuvem.
Edição: Anderson Gomes
· 4 min de leitura

Quem transmite partidas na internet ou grava podcasts passa horas garimpando cortes verticais para publicar no TikTok ou no YouTube Shorts. O diretor e colorista Ajay K Meena publicou em 19 de novembro de 2026 o NeonClipping, um motor em Python que transforma links do YouTube, Twitch, Kick ou arquivos MP4 em clipes 9:16 legendados em cerca de dois minutos. A ferramenta processou uma transmissão de 85 minutos em 97 segundos nos testes do autor, sem cobrar assinatura e sem enviar dados para fora do computador. O software atende criadores que precisam de volume rápido de publicação e recusam ferramentas pagas em nuvem como o OpusClip.
O áudio guia o corte antes de baixar o vídeo
O segredo da velocidade no modo padrão está em ignorar a imagem na primeira etapa. O script baixa apenas a faixa de áudio da transmissão, consumindo 79 MB em um vídeo de 85 minutos, e puxa as legendas originais com marcação temporal do próprio YouTube. Se o vídeo vier da Twitch ou do Kick, o sistema aciona o faster-whisper localmente para converter a fala em texto. O pipeline calcula saltos repentinos de volume em relação a uma média móvel de dois minutos, mede energia na faixa de 2 a 4 kHz para detectar gritos e busca termos específicos na transcrição como "run" e "bhaago". Um modelo de linguagem executado no Ollama analisa os trechos pré-selecionados, atribui notas ao conteúdo e redige o título e o gancho de abertura.
Só depois dessa triagem o sistema baixa os trechos exatos do vídeo, sincroniza os cortes pelo som e renderiza arquivos em 1080x1920 via FFmpeg. Essa abordagem economiza banda e armazenamento. O usuário escolhe entre cinco estilos visuais de legenda, incluindo modelos inspirados em MrBeast e Hormozi, com suporte a transcrições em Hinglish e 52 idiomas. Para jogos eletrônicos, o programa traz 11 disposições de tela e localizador automático de câmera frontal. Quem precisa de análise visual profunda pode ligar o modo secundário, que baixa o arquivo inteiro e rastreia movimento com o algoritmo Farneback do OpenCV, identificando clarões, cortes bruscos e trocas de cena.
Adotar o sistema dispensa contêineres Docker, exigindo apenas a execução do script run.ps1 no Windows ou ./run.sh no Linux e macOS após clonar o repositório oficial com git clone https://github.com/iamajmeena/neonclipping. O autor incluiu um arquivo com instruções em texto para agentes de inteligência artificial realizarem a instalação técnica sem intervenção manual. Na primeira execução, o usuário conecta o Ollama para processar o texto e ajusta os limites de duração dos clipes. O programa armazena as notas de uma a cinco estrelas que o usuário dá para cada clipe gerado e recalcula o peso de cada sinal na máquina local.
Maturidade recente exige cautela antes do uso comercial
Apesar de somar 1.494 estrelas e 73 forks no GitHub, o projeto tem apenas dois dias de existência e exibe nove chamados abertos de correção. O último commit e a versão inicial v1.0.0 saíram na mesma semana de estreia, o que indica código recente sujeito a falhas em casos de uso menos comuns. O desenvolvedor testou a velocidade máxima em um computador equipado com placa de vídeo Nvidia RTX 2060 e processador de 16 threads, cenário no qual o processamento de um vídeo da Twitch de três horas levou 136 segundos. Em computadores modestos, o tempo de renderização sobe.
A licença MIT garante liberdade para modificar, distribuir e integrar o código em fluxos comerciais sem pagamento de royalties. O programa, no entanto, não atende empresas que exigem painéis web centralizados para equipes de marketing ou criadores que recusam lidar com linha de comando e modelos locais. Quem depende de cortes manuais com enquadramentos artísticos finos também continuará no software de edição tradicional. A automação serve para volume rápido.
- Python
- MIT
- IA Local e Self-Hosted
- GitHub
RustingStrata supera llama.cpp e gera 80 tok/s em GPU de 12 GB
Motor em Rust divide camadas MoE entre placa de vídeo e processador para rodar modelos GGUF que extrapolam a VRAM.
· 3 min de leitura

Buddy usa IA local para controlar Android e já tem 307 estrelas
· 3 min de leitura

Yogurt grava reunião e resume sem nuvem, feito pela Frigade em 7 dias
· 2 min de leitura

Kokon edita fotos com IA local e sem limites diários por GabrieleLozupone
· 3 min de leitura