Glossário / Como ele ouve você
Identificação de idioma
Também: LID
Atualizado em
Definição
Identificação de idioma é a etapa em que o software de fala descobre qual idioma está sendo falado, antes ou durante a transcrição. É o que deixa uma ferramenta multilíngue trocar de idioma sem o usuário mudar um ajuste.
Um reconhecedor que presume o idioma errado produz bobagens com toda a confiança: francês passado por um modelo de inglês sai como um amontoado sem sentido com cara de inglês. O ditado tradicional resolvia isso com um ajuste que você tinha que mudar à mão, o que funciona para quem trabalha num só idioma e é um sofrimento para as muitas pessoas que trocam de idioma no meio da conversa.
As ferramentas modernas rodam um pequeno detector no primeiro ou nos dois primeiros segundos de áudio, escolhem o idioma mais provável e encaminham o áudio para o modelo certo. As boas conseguem detectar de novo a cada ditado, então uma resposta no Slack em alemão e a seguinte em inglês não exigem nenhuma intervenção.
Como a detecção funciona
Alguns modelos de ASR detectam o idioma sozinhos, como efeito colateral da transcrição; o Whisper faz isso na primeira passada. Outros dependem de um classificador separado e minúsculo, que ouve o começo de uma fala e devolve um idioma com um índice de confiança. De qualquer forma, a decisão precisa ser tomada cedo, porque o modelo errado tem que ser abandonado antes de produzir muita coisa, e precisa ser tomada com muito pouco áudio, e é por isso que a primeira ou as duas primeiras palavras de um ditado são o momento em que as ferramentas multilíngues são mais frágeis.
Detecção não é tradução
Identificar o idioma e transcrever nesse idioma é o comportamento padrão e o seguro. A tradução, em que você fala um idioma e o texto chega em outro, é uma etapa separada e opcional, e deveria ficar desligada a menos que você a ative. Uma ferramenta que traduz de surpresa tomou uma decisão sobre as suas palavras que não cabia a ela.
Como ditar em mais de um idioma no Mac
O Ditado da Apple funciona com os idiomas que você adiciona a ele, e você mesmo alterna entre eles enquanto dita. A configuração leva um minuto.
- Escolha menu Apple → Ajustes do Sistema e clique em Teclado na barra lateral.
- Vá até Ditado e clique no botão Editar ao lado de Idiomas.
- Selecione cada idioma e região em que quer ditar.
- Inicie o Ditado em qualquer campo de texto.
- Para mudar de idioma, clique no idioma mostrado ao lado do cursor. Ele aparece como uma abreviação ou como caracteres que representam o idioma.
- Ou pressione a tecla 🌐 e escolha o idioma que quer usar.
Como o Whisper e o Parakeet detectam o idioma?
O Whisper foi treinado para identificar o idioma falado como uma de suas tarefas, junto com transcrição e tradução. Quando você não informa um idioma, a ferramenta de transcrição detecta um usando até os primeiros 30 segundos do áudio e depois transcreve o arquivo inteiro nesse idioma. Os modelos só em inglês pulam a detecção e assumem inglês.
O Parakeet TDT 0.6B v3 tem uma abordagem mais restrita. A NVIDIA diz que ele detecta automaticamente o idioma do áudio e o transcreve sem instruções adicionais, entre os 25 idiomas europeus que suporta. Um idioma fora desse conjunto não é suportado.
Por que ele detecta o idioma errado, e como corrigir
A detecção é um palpite feito a partir de pouco áudio, e algumas situações sempre a confundem. A maioria tem uma solução simples: informar você mesmo o idioma ao modelo.
- A gravação muda de idioma no meio. A ferramenta do Whisper detecta uma vez, a partir do início do arquivo, e aplica esse idioma ao resto.
- O idioma tem poucos dados de treinamento. O model card do Whisper relata precisão menor nesses idiomas.
- O idioma não é nenhum dos que o modelo suporta, então ele só pode responder com um idioma que suporta.
- A solução para o Whisper: adicione --language e o nome do idioma ao comando, por exemplo --language German.
- A solução para o Ditado da Apple: escolha você mesmo o idioma clicando no idioma ao lado do cursor.
Perguntas que as pessoas fazem.
Um software de ditado consegue detectar qual idioma estou falando?
As ferramentas modernas conseguem, a partir do primeiro ou dos dois primeiros segundos de áudio, e encaminham a fala para o modelo certo. As ferramentas mais antigas exigem que você escolha o idioma num ajuste antes de falar.
O que acontece se ela errar o idioma?
Você recebe bobagens ditas com toda a confiança, no alfabeto ou na grafia errados, porque o modelo transcreve os sons como as palavras que conhece. As ferramentas que detectam de novo a cada ditado se recuperam na frase seguinte; as que têm um ajuste fixo exigem que você mude o ajuste.
Como mudo o idioma do ditado no Mac?
Adicione o idioma em Ajustes do Sistema → Teclado → Ditado clicando em Editar ao lado de Idiomas. Durante o ditado, clique no idioma mostrado ao lado do cursor, ou pressione a tecla 🌐 e escolha o idioma.
Como impeço o Whisper de escolher o idioma errado?
Informe o idioma no comando, por exemplo whisper audio.mp3 --language German. Assim o Whisper pula a detecção automática, que de outra forma usa até os primeiros 30 segundos do áudio.
Um modelo de fala consegue detectar o idioma automaticamente?
Sim. O Whisper detecta o idioma quando você não especifica um, e o Parakeet TDT 0.6B v3 da NVIDIA detecta automaticamente entre os 25 idiomas europeus compatíveis.
