Ficha da solução · Model Card
Transcrição fonética de fala em PT-BR (wav2vec2 Fonemas PT-BR)
Universidade Federal de Juiz de Fora (UFJF) · Academia ou ICT · Minas Gerais
Sobre a solução
Transcrever a fala som a som (transcrição fonética) é necessário para avaliar leitura e alfabetização, criar ferramentas de acessibilidade e desenvolver sistemas de reconhecimento de fala em português do Brasil. Feita à mão por especialistas, essa transcrição é cara, lenta e difícil de escalar, e quase não existem modelos abertos para PT-BR. Este modelo gera automaticamente uma pré-transcrição fonética, que depois é revisada por humanos.
Como funciona
O modelo ouve áudio em português do Brasil e escreve a sequência de fonemas, os sons da fala. Foi ajustado com 10 horas do corpus CORAA, que tem vários sotaques, entre eles os de Recife, de Minas Gerais e de São Paulo. Foi feito como TCC de Engenharia Computacional de Caio Rocha na UFJF, com orientação do professor Jairo Souza (https://repositorio.ufjf.br/jspui/handle/ufjf/19250). É um ajuste fino do facebook/wav2vec2-large-xlsr-53, e os scripts estão em https://github.com/caiocrocha/Brazilian_Portuguese_Quick_APT/
Ficha técnica
- Origem
- Auto-declarada (7.1.C)
- Tecnologia de IA
- Voz / áudio (fala → texto)
- Tipo
- Modelo
- Em uso desde
- 2026
- IA generativa
- Não
Impacto
- Resultado / impacto
- Taxa de erro de fonemas (PER) de 15,9% no conjunto de teste e 22,0% na validação (amostras de 1 h do CORAA).
- Impacto social / ético
- Pode baratear a transcrição fonética para avaliação de leitura, acessibilidade e pesquisa em fala. Há viés para o sotaque da ferramenta G2P da FalaBrasil, usada para gerar os rótulos, e desempenho menor em sotaques sub-representados, o que pode prejudicar falantes de regiões fora do corpus.
- Grupos afetados
- Estudantes em avaliação de leitura, pessoas com deficiência de fala ou audição, pesquisadores e desenvolvedores de reconhecimento de fala.
- Mitigações
- Revisão humana obrigatória das transcrições, não usar para decisão individual sobre alunos, avaliar o desempenho por sotaque antes de usar.
Soberania e dados
- Maturidade
- Prova de conceito / teste
- Soberania
- Brasil — soberano
- Hospedagem da inferência
- Não se aplica
- Transferência internacional
- Não informado
Governança e supervisão
- Supervisão humana
- Revisão obrigatória
- Descrição da supervisão
- Saída tratada como pré-transcrição. Um especialista (fonoaudiólogo, linguista ou professor) revisa antes de qualquer uso avaliativo.
- Responsável LGPD
- Não informado — modelo acadêmico (UFJF)
Nível de risco: Limitado
- Avaliação de viés
- Parcial. O model card aponta viés de sotaque e mostra boxplots de confiança e matriz de confusão por fonema. Não há avaliação por idade, gênero ou região.
- Robustez
- Avaliado só em amostras de 1 h do CORAA (teste e validação). O card cita ruído, reverberação, canal, idade e velocidade da fala como fatores de degradação, sem medições.
- Explicabilidade
- Saída por fonema com escores de confiança; matriz de confusão publicada.
- Auditoria / certificações
- Não avaliado
- Canal de reclamação
- github.com/caiocrocha/Brazilian_Portuguese_Quick_APT/issues
- Próxima revisão
- 01/05/2027