Ir para o conteúdo
BBSIABanco Brasileiro de Soluções de IA para a Gestão Pública
Compartilhar soluçãoVoluntariado
EducaçãoAvaliação concluída

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.