GamesTudo · 16/11/2026 16:04
Cientistas concebem AI que lê lábios em silêncio absoluto e bate recorde de precisão
Os pesquisadores do Instituto Avançado de Ciencia e Tecnologia da Coreia (KAIST) desenvolveram uma inteligência artificial que consegue identificar palavras apartir dos movimentos dos lábios em vídeos sem audio. Batizado de DLLM-VSR, o sistema atingiu um novo recorde de precisão em testes de leitura labial por AI. A tecnologia ainda está em etapa de desenvolvimento e nao chegou ao público ou ao setor.
O principal desafio desse tipo de ferramenta é diferenciar palavras que produzem movimentos labiais mt similares. É o caso das consoantes “p”, “b” e “m”, que podem ter aparências quase idênticas ao longo da declaração. Pra lidar com essa limitação, o DLLM-VSR utiliza um modelo de linguagem baseado em difusão (DLLM), que adota uma abordagem diferente das IAs tradicionais.
Os sistemas convencionais interpretam as palavras em sequência, da esquerda pra a direita, o que pode influenciar o que vem depois. O DLLM-VSR continua outro caminho: identifica primeiro os termos a respeito de os quais tem maior confiança e usa essas palavras como referência pra preencher as lacunas com informacoes das partes anteriores e posteriores da frase. O sistema igualmente estima diferentes comprimentos possiveis pra a frase com base na duracao do vídeo, provoca uma transcrição pra cada opcao e escolhe a edição mais plausível.
Nos testes, o DLLM-VSR registrou uma taxa de bug de palavras (WER) de 19,4% no benchmark LRS3, com treinamento baseado em 433 horas de vídeos rotulados. O resultado representa o melhor desempenho registrado entre os métodos treinados com o msm conjunto de dados. A métrica contabiliza palavras admitidas incorretamente, omitidas ou acrescentadas ao longo da transcrição, mas nao representa a porcentagem de entrevistas completas compreendidas corretamente.
AI pode ser útil pra aprimorar a acessibilidade A leitura labial automatizada pode abrir caminho pra novos features de acessibilidade destinados a pessoas surdas ou com deficiência auditiva. Com a tecnologia, aparelhos poderiam converter entrevistas em texto apartir de capturas, msm quando nao há gravação de audio. A ferramenta igualmente pode ser útil em cenarios industriais e situações cotidianas com mt ruído, como restaurantes barulhentos ou locais com música alta, nos quais a comunicação por voz fica prejudicada.
O DLLM-VSR ainda precisa de ajustes antes de chegar ao setor, principalmente pra reduzir o consumo de processamento e funcionar em tempo real, sem conexao com a internet, em robôs e aparelhos ves
Continue lendo
GamesTudo · 16/11/2026
Codigos Call of Duty: Mobile: confira lista completa de novembro de 2026 e como resgatar
Codigos Call of Duty: Mobile de novembro foram divulgados pela Acti e pela Garena, com verificação nesta segunda-feira (16). Esta é chance de diversif...
GamesTudo · 16/11/2026
Brasil entra na lista de paises com restrições dos EUA pra aquisicao de chips da NVIDIA
Semicondutores de alta performance desenvolvidos com engenharia norte-americana produzidos data centers passam a demandar autorização prévia de export...
GamesTudo · 16/11/2026
Discord libera tema grátis de Grand Theft Auto VI inspirado em Vice City
O Discord entrou no clima de Grand Theft Auto VI com um tema grátis inspirado nas luzes de neon de Vice City, possibilitando que os usuários personali...