## NVIDIA Desbrava Novos Horizontes na IA de Voz, Falando a Língua de Todos

A inteligência artificial, onipresente em nosso cotidiano, ainda enfrenta uma barreira linguística gritante: opera majoritariamente em um punhado das 7.000 línguas existentes no mundo. A NVIDIA, gigante da tecnologia, está determinada a mudar esse cenário, com foco especial na Europa.

A empresa acaba de lançar um arsenal de ferramentas de código aberto, projetadas para capacitar desenvolvedores a criar IA de voz de alta qualidade em 25 idiomas europeus. A iniciativa não se limita aos idiomas mais falados, estendendo a mão a comunidades linguísticas frequentemente negligenciadas, como croata, estoniano e maltês.

O objetivo é democratizar o acesso a ferramentas de voz que muitos de nós já consideramos corriqueiras: chatbots multilíngues que realmente entendem o que você diz, bots de atendimento ao cliente eficientes e serviços de tradução instantânea.

O coração dessa iniciativa é o Granary, uma vasta biblioteca de voz humana com cerca de um milhão de horas de áudio. Essa coleção foi cuidadosamente selecionada para aprimorar o aprendizado da IA em reconhecimento e tradução de voz, capturando as nuances de cada idioma.

Para aproveitar ao máximo o Granary, a NVIDIA também apresenta dois novos modelos de IA, projetados para tarefas linguísticas específicas:

* **Canary-1b-v2**: um modelo robusto, ideal para transcrições e traduções complexas que exigem alta precisão.

* **Parakeet-tdt-0.6b-v3**: otimizado para aplicações em tempo real, onde a velocidade é crucial.

O estudo científico por trás do Granary será apresentado na conferência Interspeech, na Holanda. Para os desenvolvedores ansiosos para colocar a mão na massa, o conjunto de dados e os modelos já estão disponíveis no Hugging Face.

A verdadeira inovação reside na metodologia de criação desses dados. Treinar uma IA exige um volume colossal de informações, geralmente obtidas por meio de um processo lento, caro e trabalhoso de anotação manual.

Para contornar essa limitação, a equipe de IA de voz da NVIDIA, em colaboração com pesquisadores da Carnegie Mellon University e da Fondazione Bruno Kessler, desenvolveu um pipeline automatizado. Utilizando o NeMo toolkit, eles transformaram áudio bruto e não rotulado em dados estruturados de alta qualidade, prontos para alimentar o aprendizado da IA.

Essa conquista transcende o avanço tecnológico, representando um salto significativo na inclusão digital. Agora, um desenvolvedor em Riga ou Zagreb pode criar ferramentas de IA de voz que compreendam perfeitamente seus idiomas locais, de forma muito mais eficiente. A equipe de pesquisa descobriu que o Granary é tão eficaz que exige metade da quantidade de dados para atingir o mesmo nível de precisão em comparação com outros conjuntos de dados populares.

Os dois novos modelos comprovam essa eficiência. O Canary oferece qualidade de tradução e transcrição comparável a modelos três vezes maiores, com uma velocidade até dez vezes superior. Já o Parakeet consegue analisar uma gravação de reunião de 24 minutos de uma só vez, identificando automaticamente o idioma falado. Ambos os modelos são capazes de lidar com pontuação, capitalização e fornecer timestamps precisos, requisitos essenciais para aplicações profissionais.

Ao disponibilizar essas ferramentas poderosas e as metodologias que as sustentam para a comunidade global de desenvolvedores, a NVIDIA não está apenas lançando um produto. Está impulsionando uma nova onda de inovação, com a ambição de criar um mundo onde a IA fale a sua língua, independentemente de onde você esteja.