Tech Talk IA Generativa que Escuta e Fala (2026-09-23)
Entre para ler os trechos da transcrição de cada capítulo e perguntar ao Labinho sobre esta sessão.
O Labinho é o assistente que responde com as notas e as sessões do LabS e mostra de onde tirou cada resposta.
Notas citadas nas anotações desta sessão.
A sessão discutiu a evolução das interfaces de voz, desde comandos pré-programados e assistentes como Siri e Alexa até modelos generativos capazes de processar áudio diretamente e responder com voz mais natural. Foram abordados aspectos que tornam a conversa fluida, como latência, turnos de fala, pausas, entonação, sotaques, interrupções, ruídos e a capacidade de interpretar emoção e intenção. Também foram comparadas arquiteturas em cascata, que convertem voz em texto antes de responder, com modelos nativos de voz para voz, mais rápidos e naturais, embora mais caros por exigirem maior processamento e tokenização de áudio.
A demonstração do ElevenLabs mostrou recursos de síntese de voz, dublagem, geração de música e clonagem vocal, evidenciando aplicações em acessibilidade, tradução, atendimento, produção de conteúdo e interfaces multimodais. A clonagem em poucos segundos causou impacto e levou à discussão sobre fraudes, autenticação, direitos autorais, regulamentação e a dificuldade de provar a origem de um áudio. Ficaram em aberto os critérios objetivos para avaliar a qualidade de modelos de voz, a preservação de coerência em conversas longas e a criação de mecanismos confiáveis para identificar ou autenticar conteúdos gerados por IA.