sábado, 21 de novembro de 2026

Brasil

IA da Coreia lê lábios em silêncio e bate recorde de precisão

POR | 21/11/2026

Pesquisadores do KAIST criaram uma inteligência artificial que decifra palavras a partir dos movimentos dos lábios em vídeos sem áudio, atingindo 19,4% de taxa de erro, o melhor já registrado no benchmark LRS3.

IA da Coreia lê lábios em silêncio e bate recorde de precisão

Foto: via Canaltech

U

Um time de cientistas do Instituto Avançado de Ciência e Tecnologia da Coreia, conhecido como KAIST, anunciou a criação de um sistema de inteligência artificial que consegue identificar o que está sendo falado apenas observando os lábios em gravações que não possuem som.

O algoritmo recebeu o nome de DLLM-VSR e foi projetado para superar um dos maiores obstáculos da leitura labial automática: a dificuldade de distinguir fonemas que geram movimentos quase idênticos, como as consoantes p, b e m.

Para enfrentar essa limitação, o DLLM-VSR incorpora um modelo de linguagem baseado em difusão, diferente das abordagens tradicionais que processam as palavras sequencialmente da esquerda para a direita. Em vez de seguir essa ordem linear, a nova IA primeiro identifica as palavras nas quais tem maior confiança e usa essas informações como referência para completar as partes menos claras da frase.

O processo inclui ainda a estimativa de diferentes comprimentos possíveis para a frase, baseada na duração total do vídeo. Para cada hipótese de comprimento, o sistema gera uma transcrição e, ao final, seleciona a versão que parece mais coerente.

Nos testes realizados, o DLLM-VSR obteve uma taxa de erro de palavras (WER) de 19,4% no benchmark LRS3, utilizando um conjunto de treinamento formado por 433 horas de vídeos anotados. Esse resultado representa o melhor desempenho já registrado entre os métodos que foram treinados com o mesmo volume de dados. Vale lembrar que a métrica contabiliza palavras reconhecidas incorretamente, omitidas ou inseridas, mas não indica a porcentagem de conversas completas compreendidas com precisão.

Apesar do avanço, a tecnologia ainda está em fase de desenvolvimento e não está disponível para uso comercial ou para o público em geral.

A leitura labial automatizada tem potencial para gerar novas soluções de acessibilidade, especialmente para pessoas surdas ou com deficiência auditiva, ao possibilitar a integração desse recurso em dispositivos de comunicação e apoio.

Fonte: Canaltech.

Jornal Somos

Jornal Somos

Jornal online com a missão de produzir jornalismo sério, com credibilidade e informação atualizada, da cidade de Rio Verde e região.

COMPARTILHE:

PUBLICIDADE