Modelo de IA · requer integração técnica para usoOpen source
wav2vec2 XLSR-53 CORAA
Edresson Casanova — repositório pessoal, sobre o corpus CORAA, do consórcio liderado pelo NILC/ICMC-USP com a UFG
Reconhecimento de fala em português do Brasil, ajustado sobre o CORAA — corpus que inclui fala espontânea, e não apenas fala lida. Alternativa nacional de transcrição, com taxa de erro de palavra de 25,26% no teste do próprio CORAA.
Transcrição de áudio
Quando faz sentido usar
- Transcrever áudio em português do Brasil em infraestrutura própria, sem enviar o áudio a serviço externo
- Material com fala espontânea brasileira, que é o que o corpus CORAA cobre
Para colocar em uso
- Integração técnica: transformers, com pipeline de reconhecimento de fala
- Áudio em 16 kHz; roda em máquina local, GPU acelera lote
Limitações e cuidados
- Taxa de erro de palavra de 25,26% no teste do CORAA: serve para rascunho e para busca dentro do áudio, não para transcrição literal sem revisão
- Modelo de 2022, sem atualização no repositório desde então — comparar com alternativas atuais antes de adotar
- Não produz pontuação nem separa quem fala; isso exige etapa adicional
Infraestrutura e variantes
- Execução em infraestrutura própria: possível — computador local, servidor com gpu.
- wav2vec2-large-xlsr-coraa-portuguese — porte pequeno · computador local, servidor com gpu · ~300M parâmetros
Modalidades e idiomas
- Entrada: áudio — Saída: texto
- Português: Declarado na fonte
Licença e nível de abertura
- Nível de abertura: Open source
- Licença do modelo/pesos: Apache-2.0 — licença OSI, uso comercial e modificação livres; declarada no cartão do próprio modelo (o repositório de pesos não traz arquivo LICENSE à parte)
A classificação resume as informações verificadas nas fontes oficiais. Confira os termos da licença antes da adoção.
Informações verificadas em novembro de 2026.