TraduPet

Já parou pra pensar o que seu cão pensa quando te vê dançando Lady Gaga? Com o Tradupet, você pode ter uma pequena ideia (sem embasamento científico nenhum!)

Comment

TraduPet

Sistema fullstack que realiza análise de audio com inteligência artificial, criado para identificar sons de animais usando o YAMNet (TensorFlow) e interpretar sentimento/ação do animal em sentido figurado utilizando a LLM via Groq API.

O projeto roda completamente via Docker, sem necessidade de instalar Node ou Python localmente.

Projeto desenvolvido para a Codecon Summit 2026.

Sobre o projeto

O sistema funciona em três etapas:

1. Upload de áudio

O usuário envia um arquivo de áudio pelo frontend (Next.js).

2. Análise de áudio (YAMNet)

O backend processa o áudio usando o modelo YAMNet (TensorFlow Hub), identificando sons como:

  • cachorro
  • gato
  • silêncio
  • sons ambientais
  • vocalizações

3. Interpretação com LLM (Groq)

Os resultados do modelo são enviados para uma LLM que transforma os dados em linguagem natural:

  • Animal detectado
  • Comportamento
  • Contexto da situação
  • Frase divertida

Arquitetura do sistema

Frontend (Next.js)

API Backend (FastAPI)

Modelo YAMNet (TensorFlow)

LLM (Groq API)

Resposta JSON

Estrutura do projeto

  • nome-projeto/
  • frontend/
  • backend/
  • docker-compose.yml

- README.md

Tecnologias utilizadas

Frontend

  • Next.js
  • React

Backend

  • FastAPI
  • Python 3.11
  • TensorFlow
  • TensorFlow Hub (YAMNet)
  • Librosa
  • NumPy
  • Requests

IA

  • Groq API (LLaMA)
  • modelo YAMNet para análise de áudio

Infraestrutura

  • Docker
  • Docker Compose
  • Docker Desktop

Como rodar o projeto

Pré-requisitos

  • Docker instalado
  • Docker Compose instalado
  • Docker Desktop

Configurando as variáveis de ambiente

Você vai precisar de uma chave da API do Groq obtida gratuitamente em:

https://console.groq.com/

Após crie um novo arquivo em backend/.env

Coloque sua chave da API:

GROQ_API_KEY=sua_chave_aqui

Subindo o projeto

No terminal do projeto, execute o comando:

docker compose up --build

Observação:

Até iniciar vai ser mô correria e o code clean vai para o espaço, mas fique tranquilo(a) sua máquina não vai explodir.

O Docker estará baixando dependências, montando containers e preparando a IA. Aproveite para tomar um café enquanto o TraduPet aprende a falar "au-au" e "miau".

Endopoints e Acessos

Após o projeto subir, acesse:

Comandos Úteis

Parar o projeto

docker compose down

Reset completo (limpar containers e rebuild)

docker compose down -v
docker compose up --build

API

Analisar Áudio

Endpoint

POST /analyze

Entrada

Arquivo de áudio (mp3, wav)

Saída

{
  "animal": "cachorro",
  "comportamento": "latindo alto e constante",
  "contexto": "ambiente doméstico com possível visitante",
  "fala": "esse cachorro tá mais alerta que porteiro de condomínio"
}

Testando a API

Acesse o Swagger:

http://localhost:8000/docs

Fluxo do sistema

1: Upload de áudio (Frontend)

2: FastAPI recebe arquivo

3: YAMNet processa áudio

4: Groq interpreta resultados

5: JSON final enviado ao frontend

UX/UI

Protótipo

https://www.figma.com/design/NTPiFhAWgVkhr30uyXXTjh/TraduPET-?node-id=0-1&p=f&t=gMwPxdLPn04fZdk8-0

Status do projeto

  • MVP funcional
  • Dockerizado
  • Integração com LLM
  • Processamento de áudio com YAMNet
  • UI em evolução

- Melhorias futuras

Autores

Equipe CTRL + She:

  • Alexsane Souza
  • Karina Barros
  • Isabela Costa
  • Mia
  • Beatriz Souza

Projeto para estudo de:

  • IA aplicada a áudio
  • LLMs
  • Arquitetura fullstack com Docker

Built With

Share this project:

Updates