Museu Eleitoral

A memória pública do discurso de campanha. O Museu guarda o que candidatas e candidatos publicam nos canais que declararam ao TSE, com data, link para o original e um identificador criptográfico (CID) de cada registro. Qualquer pessoa consulta, confere e cobra depois da eleição.

Protótipo apresentado em hackathon (setembro de 2026). No ar em https://museu.eleitoral.org.br.

O que o protótipo mostra

• Página do candidato, com dados reais de Jones Manoel (PSOL, PE) e Nikolas Ferreira (PL, MG), coletados de 18 a 25/09/2026: ficha oficial do TSE, canais declarados, linha do tempo dos posts e trechos classificados em propostas, compromissos, críticas e propostas de fiscalização.
• Trecho no original: cada trecho abre o post ou vídeo de origem, com transcrição automática (YouTube) e CID.
• Simulações dentro do DivulgaCandContas (memoria-da-campanha.html e conteudo-digital-oficial.html): como a funcionalidade ficaria na ficha oficial do TSE.
• Telas ilustrativas de verificação de prints, transparência e campanhas anteriores.

Estrutura

prototipo/          fontes das três páginas (formato .dc.html) e o runtime support.js
coleta/             scripts de coleta e normalização
  dados/brutos/     o que foi coletado: Instagram, X, feed do YouTube, legendas automáticas
  dados/            dados curados: candidatos.json, classificacao.json, tse-fichas.json
scripts/            geradores do site a partir das fontes e dos dados
apresentacao/       deck do pitch
docs/referencias/   capturas de tela de referência
build.sh            gera o site em dist/ (e publica, com `./build.sh deploy`)
wrangler.jsonc      configuração do Cloudflare Workers (serve dist/)

dist/ e coleta/dados/gerados/ não entram no repositório: o build.sh recria os dois.

Gerar e publicar

Precisa só de Python 3 (biblioteca padrão).

./build.sh           # gera dist/
./build.sh deploy    # gera e publica no Cloudflare (npx wrangler deploy)

O pipeline roda nesta ordem:

1. coleta/legendas.py: converte as legendas automáticas do YouTube em trechos com marcação de tempo.
2. coleta/norm.py: junta Instagram, X e YouTube em um só formato, aplica o recorte de datas (START) e calcula o CID v1 (sha2-256) de cada registro.
3. coleta/prep.py: cruza os itens com classificacao.json e candidatos.json.
4. scripts/build_proto.py e scripts/build_pages.py: geram as páginas em dist/.

Coletar de novo

A coleta usa o opencli com a extensão Browser Bridge no Chromium, logado no Instagram e no X, e o yt-dlp para as legendas.

opencli twitter tweets jonesmanoel_pe --limit 15 -f json > coleta/dados/brutos/x-jonesmanoel_pe.json
opencli twitter tweets nikolas_dm --limit 15 -f json > coleta/dados/brutos/x-nikolas_dm.json
python3 coleta/ig.py jones.manoel:12 nikolasferreiradm:12 nikolasferreirabr:4 oquenikolasfez:4
curl -s "https://www.youtube.com/feeds/videos.xml?channel_id=UCxI9vN6UbxmBt8VIvUKtJaA" > coleta/dados/brutos/rss-UCxI9vN6UbxmBt8VIvUKtJaA.xml
yt-dlp --skip-download --write-auto-subs --sub-langs pt-orig --sub-format json3 \
  -o "coleta/dados/brutos/legendas/%(id)s.%(ext)s" "https://www.youtube.com/watch?v=<id>"

Depois de coletar o X, rode python3 coleta/separar_terceiros.py: ele move repostagens e tweets citados de outras pessoas para coleta/dados/privado/, fora do git.

Para ampliar o período, mude START em coleta/norm.py. Depois de coletar, revise classificacao.json e rode ./build.sh.

Critérios

• Só canais declarados ao TSE. A lista de cada candidato vem do DivulgaCandContas. Canais não declarados ficam fora, mesmo quando existem.
• O que não foi coletado aparece na página, com o motivo: TikTok (o opencli falhou), Facebook (o opencli não lê posts de páginas), WhatsApp, Telegram, Kwai e sites (sem adaptador).
• Classificação: cada trecho é uma citação literal e segue o mesmo critério para todos os candidatos (ver _criterio em classificacao.json). A classificação deste protótipo não passou por revisão humana, e a página diz isso.
• Nenhuma avaliação de cumprimento. A aba de compromissos do mandato mostra os compromissos reais como "Sem avaliação". Organizações parceiras avaliam depois da posse.
• Conteúdo de terceiros fica fora do repositório. Repostagens e tweets citados de outras pessoas ficam em coleta/dados/privado/. Quando essa pasta existe, o build junta tudo e o site mostra as repostagens dos candidatos. Num clone do repositório, o site sai sem elas.
• Dados pessoais: tse-fichas.json guarda só os campos que o site usa. CPF, título de eleitor, e-mails e bens ficam fora do repositório. Nas simulações do DivulgaCandContas o CPF aparece mascarado.

Direito autoral

Um post em rede social continua protegido por direito autoral. A Lei 9.610/98 garante os direitos ao autor desde a criação, e publicar não coloca o conteúdo em domínio público. Os termos de uso licenciam o conteúdo à plataforma, não a terceiros. Em material de campanha, os direitos costumam ser da campanha, do partido ou da produtora, e um vídeo pode trazer músicas e imagens de outras pessoas.

O Museu se apoia no que a lei não protege ou permite usar:

• Fatos e metadados. Ideias e informações não têm direito autoral (art. 8º). Data, canal, métricas públicas, link e CID de cada post são fatos sobre a publicação.
• Citação. A lei permite citar trechos de qualquer obra para estudo, crítica ou polêmica, na medida necessária, com o nome do autor e a origem (art. 46, III). Os trechos em "Contribuições por tipo" são citações literais, cada uma com autor, canal, data e link para o original.
• O original fica na plataforma. O site aponta para o post de origem, e os vídeos tocam no player do YouTube, que só carrega quando a pessoa clica.

Os cuidados que já tomamos:

• Coletamos só canais que os próprios candidatos declararam ao TSE como canais de campanha.
• Repostagens e tweets citados de outras pessoas ficam em coleta/dados/privado/, fora do repositório.
• O conteúdo coletado fica fora da licença AGPL do projeto (veja "Licença").
• CPF, título de eleitor, e-mails e bens dos candidatos ficam fora do repositório.

O que ainda está em aberto: coleta/dados/brutos/ guarda o texto integral dos posts dos candidatos e as legendas automáticas completas dos vídeos. Essa cópia integral vai além da citação e serve como registro para conferir os CIDs. Antes de ampliar a coleta, pretendemos ouvir especialistas em direito digital e avaliar se essa cópia deve ficar só no arquivo privado. No nosso entendimento, um arquivo integral e permanente do discurso de campanha tem base mais sólida quando é mantido pelo TSE, como parte da fiscalização eleitoral e do arquivo público oficial. Essa é uma das razões da proposta.

Se você é autor ou titular de algum conteúdo deste repositório e quer que ele seja retirado, abra uma issue ou fale com o time. Tiramos o conteúdo do repositório e registramos a remoção.

Time

Uirá Porã, Jader Gama, Yasodara Córdova e Lucas Pirola.

Licença

O código e as páginas do Museu Eleitoral são software livre, sob a GNU Affero General Public License v3.0 (AGPL-3.0). Se você rodar uma versão modificada como serviço na rede, precisa oferecer o código-fonte dessa versão a quem a usa.

Ficam fora da AGPL:

• prototipo/support.js, runtime da ferramenta de design em que as páginas foram feitas, que pertence aos seus autores.
• O conteúdo em coleta/dados/brutos/ (posts, vídeos, legendas e métricas), que pertence a quem publicou e está aqui como registro de interesse público.