sábado, 21 de novembro de 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.
Foto: via Canaltech
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 online com a missão de produzir jornalismo sério, com credibilidade e informação atualizada, da cidade de Rio Verde e região.
20/11/2026
Voyager 1 atinge 25,9 bilhões de km, marca um dia?luz da Terra
A sonda Voyager 1 da NASA chegou a 25,9 bilhões de quilômetros da Terra - a distância que a luz percorre em um dia - quase 50 anos após seu lançamento, e a NASA celebrou o feito com a ação mundial "Shine Bright for Voyager's Light-Day".
20/11/2026
Seca transforma o Rio Branco, principal rio de Roraima, em 'tapete de areia'
Com a estiagem que atinge Roraima, trechos do Rio Branco em Boa Vista ficaram cobertos por bancos de areia expostos. O nível do rio caiu de forma acentuada em pouco mais de um mês, em contraste com a cheia registrada cinco meses antes.
19/11/2026
STF extingue investigação contra Zambelli por defender intervenção militar
O Supremo Tribunal Federal extinguiu a investigação contra a ex-deputada Carla Zambelli por suposta defesa de intervenção militar, após pedido da PGR por prescrição dos crimes. Zambelli já foi condenada duas vezes pela Corte e está na Itália aguardando audiência sobre pedido de extradição.
19/11/2026
Data centers podem subir emissões de carbono em 70% até 2030, alerta AIE
A Agência Internacional de Energia prevê que as emissões de carbono dos data centers aumentem 70% até 2030, impulsionadas principalmente pela expansão da inteligência artificial nos EUA e na China.