Papa Reo — A Plataforma de IA de Voz em Māori da Te Hiku Media, Construída Sobre a Soberania Indígena dos Dados

A Te Hiku Media, uma organização de comunicação social sem fins lucrativos detida coletivamente por cinco iwi do Extremo Norte (Ngāti Kuri, Te Aupōuri, Ngāi Takoto, Te Rarawa e Ngāti Kahu), realizou em 2017 a campanha de financiamento coletivo Kōrero Māori, recolhendo mais de 300 horas de fala em te reo Māori devidamente etiquetada em apenas 10 dias, com mais de 2.500 participantes a lerem mais de 200.000 frases.

Em 2019, o Ministério dos Negócios, Inovação e Emprego da Nova Zelândia investiu NZ$13 milhões para lançar a Papa Reo, uma plataforma multilingue de processamento de linguagem natural com duração de sete anos — sendo o único projeto do género na Nova Zelândia não liderado por uma universidade.

Usando o kit de ferramentas de código aberto NVIDIA NeMo e GPUs NVIDIA A100, a Te Hiku Media construiu um sistema de reconhecimento automático de fala que atinge 92% de precisão em te reo Māori e 82% em fala bilingue Māori-inglês. Os modelos alimentam o serviço de transcrição Kaituhi e o arquivo Whare Kōrero (cerca de 1.000 horas de conteúdo ao longo de três décadas), utilizado por cerca de 20 estações de rádio Māori.

Central ao projeto está a Licença Kaitiakitanga, que mantém os dados de voz Māori sob governação Māori, em vez do domínio público ou do controlo empresarial, tendo sido obtido o apoio de anciãos e consentimento transparente antes de qualquer recolha de dados. O modelo é agora citado noutros contextos como referência para a soberania de dados liderada por povos indígenas em IA linguística.

Ressalva: a continuidade da Papa Reo depende de um único financiamento governamental de sete anos e de uma pequena equipa especializada; não foi encontrada, em fontes públicas, qualquer avaliação independente de sustentabilidade após o período de financiamento.