evidoria

← Voltar à navegação

Boa prática Importada

VLibras — o Avatar de IA Neural em Libras do Brasil Presente em Mais de 120 mil Sites Públicos

Brasil · Brasília · Ver o perfil de Brasil · Ver o perfil de Brasília

Evidência: Observacional / pré-pós Top 22% 73/100 · Pergunte a Evidence Copilot sobre esta prática

O governo federal do Brasil exige o avatar de IA neural VLibras — do laboratório LAVID/UFPB — em serviços públicos, traduzindo português para Libras em tempo real. Já está em mais de 120 mil sites, com 40 milhões de acessos diários.

120,000+
Sítios governamentais e parceiros com o widget (2025)
~40,000,000
Acessos diários (2025)
~3,000,000
Traduções por mês (2025)
127,000+
Corpus de treino de pares de frases português-Libras (VLibrasBD)
up to 12.73%
Melhoria da qualidade de tradução na métrica BLEU
12,000+ signs
Vocabulário de sinais
VLibras — o Avatar de IA Neural em Libras do Brasil Presente em Mais de 120 mil Sites Públicos VLibras — o Avatar de IA Neural em Libras do Brasil Presente em Mais de 120 mil Sites Públicos

Detalhes

Maturidade
Consolidada
Promotor
Ministério da Gestão e da Inovação em Serviços Públicos (MGISP) & LAVID/UFPB
Período
2016–2025
Palavras-chave
digital government, accessibility, sign language, public services

Contexto

O governo federal do Brasil exige que os serviços digitais do setor público sejam acessíveis a cidadãos surdos, e desde 2015 o Laboratório de Aplicações de Vídeo Digital (LAVID) da Universidade Federal da Paraíba (UFPB) desenvolve o VLibras, um conjunto de ferramentas gratuitas e abertas que traduz automaticamente texto e áudio em português para um avatar 3D animado que executa a Língua Brasileira de Sinais (Libras).

Objetivos

O programa visa tornar sítios e documentos governamentais acessíveis em tempo real a cidadãos surdos sem exigir um intérprete humano em cada interação, tendo sido construído originalmente em parceria com o Ministério do Planeamento (atual Ministério da Gestão e da Inovação em Serviços Públicos) e o Ministério dos Direitos Humanos e da Cidadania.

Atividades

O motor de tradução evoluiu de síntese baseada em regras para arquiteturas de tradução automática neuronal, incluindo modelos Transformer e ByT5, treinados no corpus VLibrasBD com mais de 127 mil pares de frases português-Libras, e o vocabulário de sinais ultrapassou os 12 mil sinais graças à expansão contínua assistida pela comunidade através da plataforma colaborativa WikiLibras.

Resultados

Em 2025 o widget está incorporado em mais de 120 mil sítios governamentais e parceiros brasileiros, registando cerca de 40 milhões de acessos diários e 3 milhões de traduções por mês, com uma avaliação académica recente a reportar uma melhoria na qualidade da tradução de até 12,73% na métrica BLEU, e em 2024 o projeto recebeu reconhecimento internacional da iniciativa Zero Project, sediada em Viena, dedicada à inovação em deficiência.

Conclusões

Avaliações académicas e de utilizadores independentes assinalam que o avatar ainda tem dificuldade em reproduzir as expressões faciais e a linguagem corporal gramaticalmente essenciais em Libras, as próprias autoridades brasileiras posicionam o VLibras como um complemento e não um substituto dos intérpretes humanos, e a dependência contínua da correção colaborativa via WikiLibras reflete uma escassez estrutural de grandes conjuntos de dados anotados em Libras, um desafio partilhado pela maioria dos sistemas de IA para línguas gestuais.

Implementação
Custo indicativo
Médio (50 mil–500 mil €)
Tempo até resultados
Longo (> 3 anos)
Equipa e competências
Digital Video Applications Lab (LAVID) researchers and engineers at the Federal University of Paraíba (UFPB), Ministry of Management and Innovation in Public Services (MGISP), Ministry of Human Rights and Citizenship, WikiLibras crowdsourced community contributors

Condições de sucesso

  • A federal accessibility mandate requiring public digital services to be usable by Deaf citizens
  • A sustained multi-year partnership between two federal ministries and a university research lab
  • A crowdsourced correction and vocabulary-expansion platform (WikiLibras) to offset the scarcity of annotated Libras training data

Modos de falha comuns

  • The avatar still struggles to reproduce facial expressions and body language that are grammatically essential in Libras
  • Reliance on crowdsourced correction reflects a continuing structural scarcity of large annotated Libras datasets
  • A parallel private Libras avatar used by some municipalities shows the market has not converged on one standard

Habitualmente financiado por

National / regional programmes Own resources / municipal budget

Vias de financiamento indicativas para práticas deste tipo — verifique sempre os avisos abertos e as regras de elegibilidade de cada programa.

Implementa esta prática? Reivindique-a — implementadores verificados obtêm um contacto público na página e podem propor correções.

Fontes de dados

De onde foi obtida a informação desta prática, e quando.

Anexos

Práticas semelhantes que podem ser úteis