OpenAI Whisper, React e FastAPI: como montar um sumarizador de reuniões com AI sem orçamento

Os desenvolvedores não precisam mais de uma stack paga para construir uma aplicação de IA útil: foi lançado um detalhamento minucioso de um resumidor de reuniões construído com React e FastAPI, dependendo apenas de modelos e serviços gratuitos. Como exemplo, o autor toma um serviço que aceita áudio, transcreve a gravação, extrai pontos-chave e exibe itens de ação em uma interface web simples.

Por Que um Orçamento Zero é Real

Há alguns anos, um projeto assim quase automaticamente significava despesas com OpenAI API, aluguel de GPU e implantação paga. A situação é diferente agora: modelos open-source e generosos free tiers cobrem a maioria dos cenários básicos, especialmente se a tarefa é estreita e bem definida. Para resumos de reuniões, isso é particularmente notável porque aqui você não precisa de "superpoderes" abstratos de um modelo, mas de tratamento normal de transcrição, extração de decisões e uma lista de próximos passos.

O detalhamento específico enfatiza que o desenvolvedor não está mais preso a um único fornecedor. Você pode usar um modelo gratuito baseado em nuvem ou mudar para execução local se privacidade, controle de dados e custos previsíveis importam. Para isso, ferramentas locais como Ollama e LM Studio são fornecidas, e para a opção em nuvem — cotas gratuitas de provedores de API. Essencialmente, construir um MVP agora é possível sem aquisição de infraestrutura e longas aprovações de orçamento.

Do Que a Stack Consiste

O projeto é construído em um conjunto maximamente simples de ferramentas. A lógica aqui não está na stack "mais na moda", mas em tornar possível para qualquer desenvolvedor replicar rapidamente a solução, obter um resultado funcional e, se desejado, substituir componentes individuais sem reconstruir todo o sistema.

• OpenAI Whisper — para converter áudio em texto localmente e sem pagar por solicitações
• GLM-4.7-Flash do Zhipu AI — como opção gratuita em nuvem para resumos
• LFM2-2.6B-Transcript do Liquid AI — como modelo local para notas de reunião
• FastAPI — para upload de API, processamento de arquivos e armazenamento de resultados
• React + SQLite — para a interface e armazenamento de transcrições, resumos e itens de ação

Além disso, o material recomenda ferramentas gratuitas de IA para desenvolvimento, principalmente Codeium e Continue, para escrever e editar código mais rapidamente. Mas a arquitetura do projeto em si permanece muito direta: camadas mínimas, dependências mínimas e um fluxo de dados claro do arquivo de áudio para um card com o resumo final. Para um projeto educacional ou protótipo interno, isso é mais importante do que um esquema de engenharia "ideal".

Como o Projeto é Construído

O pipeline é organizado sem complexidade desnecessária. Um usuário carrega uma gravação de reunião, palestra ou nota de voz, FastAPI recebe o arquivo e o passa para Whisper, que constrói uma transcrição. Em seguida, o texto é enviado para um modelo de resumização, que retorna uma descrição breve da discussão e uma lista de itens de ação. Depois disso, o resultado é salvo em SQLite, e a interface React exibe a transcrição, resumo e tarefas em uma tela. O código completo para este pipeline é de fato fornecido diretamente no material pelo autor.

No exemplo, Whisper é executado na configuração tiny para acelerar o processamento na CPU, e para o LLM dois modos são oferecidos: opção gratuita em nuvem através da API Zhipu AI e completamente local através do modelo Liquid AI, que requer menos de 3 GB de RAM. Isso torna o projeto flexível: você pode começar com a nuvem e depois mudar para um cenário local sem quebrar o resto da arquitetura.

"Se um modelo não funcionar, você pode mudar para outro sem alterar a

infraestrutura."

Após a montagem local, o projeto é oferecido para ser implantado gratuitamente em Vercel e Render. Esta opção é adequada para uma demonstração, ferramenta interna ou testes de usuários iniciais, mas o autor honestamente avisa sobre as limitações: Whisper e transformers ocupam espaço em disco significativo, e os tiers gratuitos rapidamente atingem limites de memória e tempo de inicialização. Portanto, para produção, você quase certamente precisará mover algumas tarefas para uma API em nuvem ou preparar uma infraestrutura separada para modelos locais.

O Que Isso Significa

A conclusão prática é simples: um protótipo de IA não requer mais uma equipe separada e orçamento de modelo desde o início. Para desenvolvedores independentes, pequenos estúdios e equipes de produtos, isso reduz o custo da experimentação — uma ideia como um resumidor de reuniões, copiloto interno ou serviço de voz para notas pode agora ser testada em algumas noites e apenas então decidir se vale a pena pagar pelo dimensionamento.