Modo local

Todas as funções aceitam local=True. Nesse modo, o processamento acontece no seu próprio computador — nenhum dado sai dele e nenhuma API key é necessária.

Quando usar

Cenário	Modo recomendado
Testar o SDK antes de pedir API key	Local
Dados sensíveis que não podem sair do laptop	Local
Volume pequeno (~10 documentos) onde subir é custoso	Local
Volume grande, vários PDFs/áudios	Nuvem
Modelos pesados (Whisper Large, GPT-4) sem GPU local	Nuvem
Diarização de áudio (separar falantes)	Nuvem (WhisperX)

Extras opcionais

Cada serviço tem extras independentes — instale apenas os que você usa:

pip install labdados[ocr]               # PyMuPDF + pytesseract + Pillow
pip install labdados[transcricao]       # faster-whisper
pip install labdados[estruturacao]      # cliente openai (Ollama, Azure OpenAI, OpenAI)
pip install labdados[viabilidade]       # juscraper + jinja2 (+ Quarto opcional via OS)
pip install labdados[all]               # tudo

OCR local

Precisa também do binário do Tesseract instalado no sistema:

• macOS: brew install tesseract tesseract-lang
• Ubuntu/Debian: apt-get install tesseract-ocr tesseract-ocr-por
• Windows: https://github.com/UB-Mannheim/tesseract/wiki

Use o argumento idiomas para escolher (ex.: "por+eng", "chi_sim").

import labdados

labdados.ocr(
    arquivos="pdfs/",
    local=True,
    idiomas="por+eng",
    formato="md",
    saida="resultados/",
)

Transcrição local

faster-whisper baixa o modelo automaticamente na primeira execução (~3GB para large-v3, ~150MB para tiny). Em CPU, espere ~1× a duração do áudio com small. Em GPU CUDA, ~5× mais rápido.

labdados.transcricao(
    arquivos="reuniao.mp3",
    local=True,
    modelo_local="small",   # tiny | base | small | medium | large-v3
    idioma="pt",
    formato="srt",
)

Nota

Diarização local não está incluída no extra [transcricao] — pyannote tem dependências pesadas e exige token HuggingFace. Para diarização use modo nuvem com modelo="whisperx".

Estruturação local

Use qualquer servidor compatível com a API da OpenAI. O default aponta pra Ollama (gratuito, fácil de instalar):

# Instale o Ollama em https://ollama.com
ollama pull qwen2.5:7b   # ou llama3.1, mistral, ...
ollama serve             # roda em localhost:11434

labdados.estruturacao(
    arquivos="textos/",
    schema={
        "type": "object",
        "properties": {"resumo": {"type": "string"}, "decisao": {"type": "string"}},
    },
    local=True,
    modelo_local="qwen2.5:7b",
)

Para Azure OpenAI (chave do usuário):

labdados.estruturacao(
    arquivos="textos/",
    schema={...},
    local=True,
    base_url_local="https://meu-resource.openai.azure.com/openai/deployments/gpt-4.1-mini",
    api_key_local="<sua chave da Azure>",
    modelo_local="gpt-4.1-mini",
)

Análise de viabilidade local

Roda direto no juscraper + Datajud. Para o relatório PDF, instale o Quarto no sistema. Sem Quarto, você ainda recebe o viabilidade_relatorio.md e o viabilidade_resultados.json.

ana = labdados.analise_viabilidade(
    descricao="Ações sobre planos de saúde — TJSP, 2020–2024",
    listagem="datajud",
    tribunais=["tjsp"],
    assuntos_cnj=["11884", "14759"],
    inicio="2020-01-01",
    fim="2024-12-31",
    saida="relatorios/",
)
print(ana["results"]["verdict"])  # "viable" | "caveats" | "unviable"

Quando o local fica lento

• Tesseract em PDFs grandes (>500 páginas): considere o modo nuvem com PaddleOCR.
• Whisper large-v3 em CPU em áudios longos (>1h): use o modo nuvem com whisperx (GPU T4 do escritório).
• LLM local com poucos recursos: use o modo nuvem com gpt-4.1-mini.