Co-Watching com IA: atualizações em tempo real a partir de transcrições

Prompt para IA: Co-Watching com IA Companion. Objetivo: projetar uma experiência imersiva de co-assistência de vídeo, onde uma IA responde a um filme ou vídeo com base em transcrições (YouTube transcripts ou arquivos SRT). Em vez de resumos, gerar atualizações de cena curtas e orientadas emocionalmente a cada 20–40 segundos. Estrutura de saída desejada: para cada janela de tempo, uma descrição da cena (1–2 frases), seguida de uma resposta emocional da IA (ex.: 'IA: empatia calorosa'), e uma sugestão de reação da IA de acordo com o contexto. A entrada será uma transcrição ou SRT, que precisa ser chunked em segmentos de 20-40 segundos. Requisitos técnicos para um MVP em Python: 1) carregar transcrições (formatos .srt, .vtt, ou via API YouTube Transcript), 2) chunking por janelas de 20-40 segundos, 3) geração de descrições curtas com o contexto emocional usando um LLM, 4) arquitetura simples com classes: TranscriptLoader, Chunker, SceneNarrator, ReactionEngine, 5) exemplos de entrada/saída, 6) considerações de privacidade e ética, 7) bibliotecas sugeridas: pysrt, srt, youtube-transcript-api; 8) opções de execução: API de nuvem vs. LLM local, 9) métricas simples de avaliação (coerência, utilidade, naturalidade). Instruções para avaliação: peça feedback de usuários com vídeos de referência. Análise de ferramenta de IA: entre as opções (chatgpt, claude, deepseek, gemini, copilot, perplexity), qual é a mais adequada para suportar a tarefa de geração de descrições curtas com contexto emocional, integração de pipeline e como justificar. Por fim, gere o seguinte JSON com os campos: title, content, description, ai_tool, difficulty_level, rating, is_featured, tags, topic.