A IA consegue traduzir emoções? O que os intérpretes de IA conseguem fazer hoje

«Isto é mesmo fantástico.» Uma frase curta, mas, consoante a entoação, exprime entusiasmo sincero ou precisamente o contrário. As pessoas reconhecem muitas vezes estas diferenças de forma intuitiva. Para um intérprete de IA, pelo contrário, as emoções representam um desafio particular. Neste artigo, mostramos como funciona a tradução de voz clássica, em que está a trabalhar a investigação e onde se situam os limites.

A linguagem transmite mais do que informação

Quem ouve não presta atenção apenas às palavras. A altura da voz, o ritmo da fala, as pausas e o contexto situacional transportam parte do significado. A ironia, o entusiasmo ou a contenção residem muitas vezes precisamente neste nível adicional.

Para os sistemas de IA, este nível de significado é difícil de captar. Está contido no sinal falado, mas não necessariamente nas próprias palavras.

Como os intérpretes de IA processam a linguagem de forma clássica

Muitos sistemas de interpretação por IA funcionam com um processamento em várias etapas:

• Reconhecimento de voz: um modelo reconhece o conteúdo falado.
• Tradução: o texto reconhecido é transposto para a língua de chegada.
• Síntese de voz: uma voz artificial reproduz a tradução.

Esta abordagem é tecnicamente flexível, mas tem um ponto fraco: na conversão da fala em texto, podem perder-se informações sobre a expressão emocional. O que já não consta do texto também não pode, no final, ser reproduzido pela síntese de voz.

Expressive Speech-to-Speech Translation: transmitir também as emoções

Um importante campo de investigação é a chamada Expressive Speech-to-Speech Translation. O objetivo é transmitir não só as palavras, mas, tanto quanto possível, também características da forma de falar original – como a acentuação, o ritmo, a velocidade da fala e traços de expressão emocional.

Os modelos de áudio modernos conseguem cada vez mais processar informações diretamente a partir dos sinais de voz. Surgem assim possibilidades que vão além dos processos clássicos de tradução baseados em texto.

Reconhecer emoções não é o mesmo que compreendê-las

Mantém-se uma limitação decisiva. A IA consegue analisar determinadas características acústicas e daí deduzir probabilidades de estados emocionais. Isso não significa, porém, que reconheça de forma fiável os verdadeiros sentimentos de uma pessoa.

Uma voz alta pode significar entusiasmo, irritação – ou simplesmente uma má microfonação. Explicamos em pormenor por que razão o som está no início de qualquer tradução no artigo Interpretação por IA e tecnologia de áudio: porque tudo começa no microfone.

Acresce que também as diferenças culturais influenciam a forma como as emoções são expressas.

O perigo da interpretação artificial

Uma tradução enriquecida emocionalmente pode tornar-se problemática se o sistema acrescentar sentimentos que o orador não pretendia de todo exprimir.

Por isso, o desenvolvimento destes sistemas tem de distinguir cuidadosamente entre transmissão autêntica e interpretação artificial.

A perspetiva da MILA

Para nós, a transmissão emocional da fala é um dos campos de investigação mais fascinantes da IA de áudio moderna. O futuro dos sistemas profissionais de interpretação não reside apenas na tradução correta das palavras faladas, mas também na transmissão o mais autêntica possível da comunicação humana.

Até lá, continua a ser decisivo avaliar de forma realista as capacidades disponíveis e tornar transparentes os limites tecnológicos. Na MILA, apostamos por isso no que é possível planear em eventos: configuramos previamente os termos técnicos e os nomes próprios do programa, a interpretação simultânea por IA funciona localmente no nosso próprio equipamento no local do evento e um técnico de sistemas acompanha a interpretação no local.

Se pretender saber como isto se pode concretizar no seu evento, encontrará todos os detalhes sobre o equipamento e o funcionamento na nossa página de Serviços.