Busca

Neste tutorial passo a passo, você vai aprender como usar a biblioteca Whisper da OpenAI para transcrever áudio de vídeos em texto. O Whisper é uma ferramenta poderosa para reconhecimento de fala, e neste vídeo, vamos te guiar em como configurar a biblioteca Whisper.net em um projeto .NET, extrair áudio de um vídeo e realizar a transcrição de forma eficiente. Começaremos mostrando a instalação do FFmpeg, necessário para a extração do áudio, em seguida, vamos criar uma aplicação .NET do tipo console e implementar o código que realizará a transcrição usando a biblioteca Whisper.NET. Mostraremos como baixar o modelo adequado, extrair o áudio e processá-lo para obter o texto. Se você é desenvolvedor ou apenas está começando no mundo da programação e procura aprender mais sobre transcrição de voz e processamento de áudio, este vídeo é para você! ### O que você aprenderá neste vídeo: - O que é o OpenAI Whisper e suas funcionalidades - Como instalar e configurar o FFmpeg para trabalhar com áudio - Como criar uma aplicação .NET e usar a biblioteca Whisper.NET - Extração de áudio de vídeos e transcrição automática - Dicas sobre a escolha de modelos e melhores práticas ## Índice de Capítulos 00:00:00 - Whisper da OpenAI - Estrutura e funcionamento 00:02:45 - Apresentando Whisper.net 00:03:45 - Downloads de Whisper Models 00:04:53 - Criando um projeto .NET Console 00:06:48 - Extensões de VSCode para .NET 00:09:39 - Extraindo áudio com FFmpeg 00:11:46 - Codificando o Download do modelo de transcrição 00:12:28 - Instalação do Whisper.net 00:15:39 - Codificando a transcrição do áudio 00:21:12 - Processamento e transcrição do áudio 00:22:24 - Testando modelo Medium

Aplicando IA para edição de imagens via API da OpenAI. Aprenda a criar uma aplicação em Blazor utilizando o GPT Image Edit da OpenAI para editar imagens. Neste tutorial, vamos explorar como integrar o Blazor e .NET com a API de edição de imagens da OpenAI. Você aprenderá a criar uma aplicação que permite o upload de imagens, a modificação delas por meio de prompts e a exibição dos resultados na tela. Exploraremos detalhes como a instalação dos pacotes necessários, configuração da API e as nuances do .NET Blazor. ### Índice de Capítulos 00:00:00 Explorando o portal platform.openai.com 00:03:40 Explicando campos de API do Endpoint Images/Edits para os modelos gpt-image-1 e dall-e 00:09:07 Criando uma nova aplicação Blazor no dotnet (dotnet new e list) 00:13:37 Compilando uma aplicação Blazor (dotnet build) 00:14:01 Instalando os pacotes OpenAI e DotNetEnv (nuget - dotnet add package) 00:15:19 Explicando o uso do pacote OpenAI 00:18:18 Explicando o uso do pacote DotNetEnv 00:19:09 Executando a aplicação Blazor com dotnet watch (e Hot Reload) 00:20:05 Modificando UI da página Home no Blazor (usando Bootstrap) 00:22:29 Implementando upload de imagem usando InputFile e o evento OnChange (RequestImageFile) 00:32:11 Convertendo a imagem do upload em base64 para exibi-la na página (MemoryStream) 00:36:55 Definindo e explicando rapidamente o RenderMode (InteractiveServer) 00:40:17 Enviando a imagem para a API da OpenAI usando o pacote ImageClient e model gpt-image-1 00:42:09 Criando a ligação (binding) entre as variáveis e os controles HTML da página 00:45:00 Criando API Key na plataforma OpenAI e gravando em variáveis de ambiente usando o DotNetEnv 00:45:34 Explicando opções no Dashboard da API na plataforma da OpenAI (Usage, etc.) 00:56:42 Implementando tratamento de erros e ampulheta de processamento (feedback visual) 01:06:30 Explicando a verificação de perfil para ser possível usar o Endpoint Images/Edits

Neste vídeo, teremos uma experiência completa com a Notion Integrations API utilizando Node.js e JavaScript. Você irá descobrir como criar uma integração interna, realizar consultas a uma base de dados e atualizar registros de maneira prática e didática. Através de exemplos reais, vamos explorar os principais conceitos da API do Notion, sempre com foco em facilitar o seu aprendizado e aplicação em projetos reais. Acompanhe passo a passo desde a criação da integração no site do Notion, passando pela configuração do ambiente com Node.js, até a manipulação dos dados através de chamadas à API. Este vídeo é perfeito tanto para desenvolvedores iniciantes quanto para aqueles que já possuem alguma experiência e desejam expandir suas habilidades em JavaScript e integração de APIs O que você vai aprender: - O que são integrações públicas e privadas na Notion API - Como criar uma nova integração no Notion - Como configurar seu ambiente Node.js para usar a API - Como realizar consultas e atualizações em um banco de dados do Notion - Exemplos práticos de como listar, adicionar e modificar tarefas # Índice de capítulos 00:00:00 - Página de desenvolvedores do Notion 00:01:24 - Diferenças entre integrações públicas e privadas 00:03:09 - Criando uma nova integração Notion 00:05:34 - Copiando o token da Notion Integrations 00:06:23 - Criando uma base de dados (Database) no Notion 00:11:50 - Conectando a integração ao banco de dados (Database) 00:13:15 - Começando a codificar no Node.js e Notion Integrations API 00:18:08 - Intalando e conhecendo o Dotenv 00:19:44 - Instalando o pacote do Notion Client (notionhq client) 00:21:17 - Conectando Node a uma Database do Notion (com Integrations) 00:23:29 - Consultando dados do database Notion usando a API de Integrations 00:25:46- Listando dados do banco de dados (Database do Notion) 00:30:12 - Inserindo novos registro no Database do Notion 00:36:48 - Atualizando registros no Database do Notion

Como Editar Imagens com a API GPT-Image-1 da OpenAI Usando .NET e C# (Exemplo Prático). Transforme suas imagens com IA: aprenda a criar edições visuais incríveis usando C# e OpenAI GPT-Image-1. Neste tutorial, você aprenderá a editar imagens utilizando a inteligência artificial da OpenAI através do endpoint Images Edit, com uma aplicação em .NET console. Exploramos como enviar uma imagem e solicitar modificações via prompt, retornando uma imagem editada. Demonstramos também a configuração da API Key e instalação de pacotes necessários, como OpenAI .Net e DotNetEnv, além de manipular variáveis de ambiente. ### Índice de Capítulos - 00:00:00 - Introdução ao OpenAI Images Edit Endpoint - 00:03:08 - Explicando os campos enviados no Request Images Edits (prompt, mask, quality, etc.) - 00:08:40 - Criando uma aplicação dotnet Console (dotnet new, dotnet new list ...) - 00:12:41 - Compilando e instalando os componentes NutGet OpenAi e DotNetEnv (dotnet add package) - 00:14:20 - Explicando uso do componente OpenAi - 00:16:39 - Explicando uso do componente DotNetEnv - 00:17:43 - Codificando Request à OpenAi usando o Componente ImageClient - 00:20:12 - Exibindo Extensões VS Code aconselhadas para Desenvolvimento C# .NET - 00:22:22 - Gerando a API Key OpenAI e conhecendo o Dashboard OpenAi (usage, permissões, ...) - 00:25:24 - Usando o DotNetEnv .env com boas práticas para tornar oculta a API Key OpenAi - 00:28:27 - Mostrando os métodos existentes no Componente ImageClient - 00:29:36 - Definindo os Parâmetros ImageEditOptions - 00:32:45 - Recebendo a imagem processada como bytes e gravando num arquivo (FileStream)

Nesse vídeo você irá aprender como criar um Bot para Discord em C# usando uma aplicação Console, e aprenderá também como enviar texto, imagens, links e ainda habilitar o log para facilitar a procura de erros.

Nesse pequeno vídeo tutorial, nós iremos criar usando o Node e o componente Telegraf, um Bot do Telegram que escreverá e responderá mensagens.

Rodando Windows no Linux com Docker: Confira o Passo a Passo Completo! Inovar em ambientes de desenvolvimento, especialmente quando diferentes sistemas operacionais estão em jogo, pode ser um desafio, mas não com Docker Windows! Neste tutorial, aprenderemos como rodar diferentes versões do Windows em um contêiner Docker no Linux. Veremos detalhes desde a criação do arquivo docker-compose até a conexão com a instância Windows, além de dicas valiosas para resolver possíveis conflitos e maximizar o desempenho. Independente do motivo — seja para testar um aplicativo, levantar um banco de dados ou criar um ambiente de desenvolvimento completo — rodar o Windows no Linux pode ser uma jornada simples e eficiente. Simplesmente siga o passo a passo, ajuste algumas configurações e pronto! Transforme uma tarefa complexa em uma operação simples. ## Índice de Capítulos - 00:00:00 - Apresentação do Dockur Docker Windows (github) - 00:03:02 - Criando o arquivo docker-compose - 00:06:11 - Ajustando Configurações Dockur (DISK_SIZE, CPU_CORES, RAM_SIZE) - 00:07:51 - Volumes e Mapeamentos (Pastas compartilhadas na Rede e de arquivos do Windows) - 00:09:26 - Resolvendo Conflitos de Porta do XRDP - 00:12:26 - Verificando e removendo Containers e Images instaladas - 00:13:38 - Iniciando e Parando o Docker e Docker Compose - 00:17:46 - Manipulando Pastas e Dados locais compartilhados com o Docker - 00:20:23 - Conferindo Logs e Erros do Docker - 00:27:15 - Outras maneiras de Resolver Conflitos de Porta do XRDP (systemctl stop, disable) - 00:28:42 - Verificando suporte a KVM (cpu-checker, kvm-ok e chmod)

Do zero ao deploy no Azure App Service com GitHub Actions: app Blazor, appsettings, variáveis, secrets e autenticação. Aprenda, passo a passo, a publicar aplicações .NET (Blazor, Web API e MVC) no Azure usando CI/CD com GitHub Actions. Neste guia prático, criamos uma aplicação Blazor, configuramos appsettings e variáveis de ambiente (local e no Azure), montamos um pipeline YAML com .NET SDK, Restore e Publish, integramos com Azure App Service via Publish Profile e Secrets do GitHub, e finalizamos com uma dica extra de autenticação para restringir acesso. Você vai ver: - Criação rápida de um app Blazor e compilação local (.NET build/watch) - Leitura de configurações: appsettings.json (incluindo objetos aninhados), ConnectionStrings e variáveis de ambiente (Environment) - Workflow GitHub Actions: checkout, setup do .NET (v9), restore, publish e deploy para Azure App Service (Linux) - Configuração de Secrets no GitHub (Publish Profile e App Name) - Criação do App Service no Azure (região, plano F1, .NET 9, Linux) - Ajuste de configurações no Azure: Application settings, Connection strings e diferença Linux/Windows (dois underlines para níveis) - Dica extra: proteger a aplicação com autenticação Microsoft (acesso interno) Pré-requisitos (sugeridos): - Conta no Azure e no GitHub - .NET SDK 9 instalado - VS Code (opcional) - Git instalado Comandos úteis: - dotnet new, dotnet build, dotnet watch, dotnet restore, dotnet publish - git init, git add/commit, git branch/checkout/switch/merge, git push origin - PowerShell: definir variável de ambiente via $env:MY_VARIABLE="valor" Resultado: um pipeline de deploy automatizado. Basta dar push no branch de publicação para que sua aplicação seja compilada, publicada e atualizada no Azure. ## Capítulos - 00:00:00 dotnet new Blazor e organização do projeto - 00:02:46 Build inicial (.NET Build) e verificação - 00:03:15 Ajustes no Home.razor e título da aplicação - 00:04:19 Execução com dotnet watch - 00:04:40 AppSettings: config e connection strings (local e produção) - 00:06:20 Código: IConfiguration, leitura de config/connection/env - 00:08:05 GetConnectionString e Environment.GetEnvironmentVariable - 00:09:11 Restart do Blazor e exibição dos valores na UI - 00:11:01 PowerShell: criando variável de ambiente local - 00:12:29 Começando o Workflow do GitHub Actions (YAML) - 00:14:47 Disparo do workflow por push no branch deploy - 00:16:01 Ubuntu-latest, checkout e setup .NET 9 no pipeline - 00:18:09 dotnet --list-sdks e versão do SDK no workflow - 00:20:17 dotnet publish e pasta de saída (publish) - 00:23:03 Inicializando Git, .gitignore e primeiro commit - 00:26:37 Repositório no GitHub e Actions - 00:27:10 Criando o App Service no Azure (Web App) - 00:31:04 Configurações: .NET 9, Linux, plano F1 - 00:35:04 Push para o branch deploy e criação do branch (Pipeline disparado) - 00:37:35 Baixando o Publish Profile no Azure - 00:39:19 Secret AZURE_WEBAPP_PUBLISH_PROFILE no GitHub - 00:40:14 Secret AZURE_WEBAPP_NAME (nome do App Service) - 00:43:06 Merge master → deploy e novo push - 00:46:02 Azure: adicionando variável de ambiente (Application settings) - 00:46:58 Azure: adicionando Connection String - 00:49:00 Linux: usando “__” para níveis em appsettings - 00:50:18 Dica extra: autenticação Microsoft (acesso interno)

Este tutorial ensina a criar um servidor HTTP usando Node.js para interceptar e analisar requests durante o desenvolvimento. Você aprenderá a configurar um servidor HTTP simples que permite lidar com métodos GET, POST, PUT e DELETE, ideal para depuração de requisições HTTP em aplicações. Este vídeo abrange desde a instalação do conhecido pacote npm Http-Server até a criação de um novo servidor HTTP e configuração de um middleware com o pacote `connect`. Você verá como é possível usar o RestClient e o cURL para enviar requisições de teste e analisar os logs gerados. Uma ferramenta indispensável para desenvolvedores que desejam aprofundar-se na análise de requests HTTP Índice de Capítulos: - 00:00:00 - Instalação e uso do http-server pelo npm - 00:02:50 - Verificando prévias instalações no Home Brew e NPM - 00:04:56 - Criando uma aplicação Node.js - 00:05:28 - Configurando Visual Studio Code para Node.js (Perfis, Extensões, etc.) - 00:10:32 - Instalando pacote / package connect (npm i connect) - 00:12:16 - Codificando servidor HTTP usando connect e http no Node.js - 00:13:51 - Interpolação de strings em JavaScript / Node.js - 00:14:48 - Criando endpoint (Middleware) para POST usando connect (app.use) - 00:15:50 - Lendo conteúdo de Request HTTP recebido (body) usando connect Node.js - 00:16:36 - Respondendo Request HTTP recebido usando connect Node.js usando plain/text e json - 00:22:55 - Recebendo parâmetros de linha de comando em uma aplicação Node.js - 00:24:17 - Executando uma aplicação Node.js - 00:25:33 - Executando uma aplicação Node.js com parâmetros de linha de comando - 00:26:09 - Usando o RestClient (Extensão do VSCode) para enviar request POST json - 00:29:14 - Lendo cabeçalho / headers de Request HTTP recebido usando connect Node.js - 00:30:26 - Executando uma aplicação Node.js usando watch para escutar mudanças no código - 00:32:37 - Usando o cURL para enviar request POST json

Vamos mergulhar no mundo fascinante da classificação de imagens usando a Inteligência Artificial do Xenova Transformers. Descobriremos como essa poderosa ferramenta Javascript pode identificar elementos em uma imagem e classificá-la apropriadamente. Exemplificaremos o processo em Nodejs, demonstrando a instalação do pacote 'xenova-transformers' via NPM, e em seguida entraremos na prática do image_classification. Veremos como essa biblioteca analisa imagens diversas e categoriza os elementos percebidos, nos auxiliando na tarefa de organização de arquivos de mídia de forma automática e eficiente. Prepare-se para codificar e desfrutar de um projeto prático que pode ser muito útil em suas iniciativas de análise de dados ou desenvolvimento web. ## Índice de Capítulos - 00:00:00 Introdução ao Xenova Transformers - 00:00:26 Visão geral do Xenova Transformers no NPM - 00:01:06 Explorando classificação de imagem com Nodejs e Xenova - 00:02:26 Iniciando a codificação e estruturação do projeto (npm init) - 00:04:08 Organizando o ambiente de desenvolvimento (Perfis VSCode) - 00:05:40 Processo de instalação do pacote Xenova Transformers (npm install) - 00:06:05 Preparando o código para classificar uma única imagem (com Xenova) - 00:09:24 Executando, analisando e configurando o node para type module - 00:11:19 Evoluindo o código para tratar múltiplas imagens (array de imagens) - 00:13:10 Organizando imagens em pastas baseadas nos resultados da IA (com Xenova) - 00:23:04 Resultados finais e exemplos de classificação por imagens

Dica que explica como utilizar o componente TRESTClient no Delphi Community em conjunto com um TDataSource e uma TDBGrid para exibir os dados de uma WebAPI REST/JSON de forma navegável quase que sem fazer uso de código.

Criando uma Azure Function para verificar preços de ações (C#) Azure Functions em C#: consulte ações e envie por e-mail com Resend (Parte 1) Crie uma Function em .NET com Timer Trigger, consuma a API Alpha Vantage e mande a cotação por e-mail Neste passo a passo você vai criar uma Azure Function em C# (.NET) com Timer Trigger para consultar a cotação de ações na API Alpha Vantage e enviar um e-mail com o último fechamento usando o serviço Resend. O vídeo cobre a instalação das ferramentas, criação do projeto com Azure Functions Core Tools, configuração de secrets no local.settings.json, debug local com Azurite, parsing do JSON (System.Text.Json), montagem de HTML e envio via HTTP (sem SDK). Ao final, é mostrado o e-mail recebido com a cotação. O que você vai aprender: - Instalar e validar Azure Functions Core Tools e Azurite - Criar Function App (.NET) e Timer Trigger (cron com segundos) - Obter e configurar API Keys (Alpha Vantage e Resend) em local.settings.json - Consumir a API TIME_SERIES_DAILY do Alpha Vantage - Parsear JSON com propriedades "peculiares" (Time Series com datas e "4. close") - Gerar HTML de e-mail e enviar via Resend com HttpClient (Authorization Bearer) - Debug local no VS Code com breakpoints - Entender cuidados: limites da API (25 req/dia na camada free), bounce de e-mails temporários Pré-requisitos: - Node.js e npm - NET SDK 8 instalado - VS Code com extensões C#, Azure Functions e Azure Resources - Conta Resend com domínio verificado (para envio) - Chave gratuita da Alpha Vantage Comandos-chave usados: - npm i -g azure-functions-core-tools@4 - npm i -g azurite - azurite --version - func --version - dotnet --list-sdks - func init nome --worker-runtime dotnet --target-framework net8.0 - func new --name FunctionName --template "Timer trigger" - F5 (debug no VS Code) Observações: - Não versionar local.settings.json (contém segredos; já está no .gitignore por padrão) - A Alpha Vantage free impõe limites (25 requisições/dia); evite intervalos muito curtos em testes - Alguns provedores bloqueiam e-mails temporários; prefira um e-mail real verificado no domínio do Resend --- ### Capítulos 00:00:00 API Alpha Vantage e recursos na descrição 00:02:31 Checando .NET e alvo em .NET 8 00:02:54 Organização de pastas do projeto 00:03:17 Instalando Azure Functions Core Tools (npm) 00:04:37 Instalando o Azurite (Storage local) 00:06:23 Preços e camada gratuita do Azure Functions 00:07:36 dotnet new vs func init; criando o projeto 00:09:38 Verificando SDKs do .NET 00:12:22 Criando a Function (func new) com Timer Trigger 00:16:22 Cron com 6 campos (inclui segundos) 00:18:31 Escolha de ativos (Petrobras, Apple, etc.) 00:19:40 Extensões VS Code recomendadas 00:21:07 Configurando Resend e gerando API Key 00:23:02 Adicionando Resend API Key no local.settings.json 00:26:17 Gerando API Key gratuita (limites da Alpha Vantage) 00:30:22 Documentação da Alpha Vantage e endpoints 00:31:30 TIME_SERIES_DAILY e base URL 00:35:37 Async/await e EnsureSuccessStatusCode 00:36:21 Subindo o Azurite e preparando o debug 00:37:01 Ajustando o timer para 2 minutos 00:42:00 Parse com JsonDocument e extração do último fechamento 00:45:03 Construindo o HTML do e-mail 00:47:03 Generalizando para "stock" (dinâmico) 00:47:31 Método de envio de e-mail via Resend 00:48:27 Payload JSON e header Authorization (Bearer) 00:51:34 Debug do envio; conferindo valores 00:57:12 Serialização e SendAsync 00:58:20 Verificando logs do Resend