Update routers/editor.py

routers/editor.py

@@ -1,5 +1,5 @@
 from fastapi import APIRouter, HTTPException, UploadFile, File, Form
-from fastapi.responses import StreamingResponse
+from fastapi.responses import StreamingResponse, JSONResponse
 from pydantic import BaseModel
 from typing import Optional, List, Dict, Any, AsyncGenerator, Tuple
 import os
@@ -45,6 +45,12 @@ class SmartCutRequest(BaseModel):
     window_end: float
     instruction: str
 
+class DetectPausesRequest(BaseModel):
+    video_url: str
+    # Same window convention as SmartCutRequest above.
+    window_start: float
+    window_end: float
+
 # analyze_media has no request model — unlike every other endpoint here, it
 # takes a direct multipart upload (UploadFile + Form fields), not a JSON
 # body, precisely to avoid needing a hosted `media_url` at all (see
@@ -291,19 +297,23 @@ CATÁLOGO DE AÇÕES DISPONÍVEIS (campos entre colchetes são opcionais):
     "remove o silêncio desse vídeo", "corta as pausas", "tira os momentos
     sem fala", "deixa o vídeo mais dinâmico cortando o silêncio". Diferente
     de smart_cut_video: essa ação NÃO julga o CONTEÚDO da fala (não escolhe
-    "as melhores partes") — é puramente mecânico, mede o volume do áudio e
-    corta os trechos abaixo de um limiar, então NÃO precisa de um campo
-    "instruction" pra explicar o que manter. Só use "minSilenceSeconds"
-    quando o usuário der um número explícito (ex: "remove pausas de mais de
-    1 segundo" → `"minSilenceSeconds": 1`); sem isso, omita o campo e deixe o
-    editor usar o padrão dele. "elementId" tem que ser um elemento de vídeo
-    real do arquivo anexado (nunca um `refId` de um elemento que você acabou
-    de criar). Essa ação roda inteiramente no navegador do usuário (sem
-    round-trip de rede), mas ainda assim NÃO é aplicada na hora — o editor
-    ainda precisa decodificar o áudio do clipe primeiro. Por isso, quando
-    usar essa ação, o texto da sua resposta deve deixar isso claro (ex: "Vou
-    analisar o áudio e cortar os silêncios."), nunca afirmar que o corte já
-    foi feito.
+    "as melhores partes", não tem `instruction`) — ela transcreve o clipe e
+    corta qualquer trecho SEM PALAVRA RECONHECIDA. Isso é deliberadamente
+    diferente de só medir o volume do áudio: uma pausa de um palestrante pra
+    receber aplausos/risadas da plateia não é SILENCIOSA (a plateia faz
+    barulho), mas também não tem fala reconhecida — então essa ação corta
+    isso corretamente, o que um limiar de volume sozinho não conseguiria. Só
+    use "minSilenceSeconds" quando o usuário der um número explícito (ex:
+    "remove pausas de mais de 1 segundo" → `"minSilenceSeconds": 1`); sem
+    isso, omita o campo e deixe o editor usar o padrão dele (~0.6s).
+    "elementId" tem que ser um elemento de vídeo real do arquivo anexado
+    (nunca um `refId` de um elemento que você acabou de criar). Essa ação
+    NÃO é aplicada na hora — o editor ainda precisa transcrever o áudio do
+    clipe primeiro (mais rápido que smart_cut_video, que ainda por cima
+    precisa de uma segunda passada do Gemini pra decidir o que manter — aqui
+    não há essa segunda passada). Por isso, quando usar essa ação, o texto da
+    sua resposta deve deixar isso claro (ex: "Vou ouvir o áudio e cortar as
+    pausas."), nunca afirmar que o corte já foi feito.
 
 No máximo UMA ação assíncrona (smart_cut_video, analyze_media OU
 remove_silence_video — nunca duas ou mais na mesma resposta) por resposta —