Tecnologia brasileira promete levar tradução automática de Libras a hospitais, lojas e restaurantes
Uma solução de inteligência artificial desenvolvida no Brasil começa a esboçar um futuro em que pessoas surdas possam se comunicar com atendentes de hospitais, caixas de lojas, garçons e servidores públicos sem depender, necessariamente, de um intérprete humano ao lado. O aplicativo Aprenda Libras, criado para Android, utiliza a câmera do celular para reconhecer sinais em Libras e convertê-los em texto ou áudio, ajudando a derrubar barreiras de comunicação em situações cotidianas.
O criador da tecnologia é Gabriel Sales, desenvolvedor nascido no Rio de Janeiro, criado em São Gonçalo e atualmente residente em Niterói. O interesse pela computação surgiu cedo: aos 12 anos, ao ter contato com o notebook do irmão, começou a explorar programas, quebrar a cabeça para entender como funcionavam e, pouco depois, mergulhou em cursos de programação e segurança digital. Aos 17 anos, já atuava como freelancer, desenvolvendo pequenos sistemas, scripts e projetos acadêmicos para diferentes clientes.
Hoje, aos 25 anos, Gabriel trabalha profissionalmente com desenvolvimento de sistemas e automação baseada em inteligência artificial. A virada de chave para aplicar esse conhecimento à acessibilidade ocorreu em 2024, durante uma disciplina de Libras na faculdade. A professora responsável pela matéria, pessoa surda, compartilhou as barreiras que enfrentou em toda a trajetória escolar até chegar ao ensino superior: aulas sem intérprete, provas mal adaptadas, dificuldade para interagir com professores e colegas.
O relato acendeu um alerta. Gabriel passou a investigar se as técnicas de visão computacional, já usadas em áreas como reconhecimento facial, análise de movimentos e detecção de objetos, poderiam ser adaptadas para interpretar uma língua visual-espacial que depende das mãos, do corpo e das expressões faciais ao mesmo tempo. A pergunta que guiou o projeto foi direta: seria possível usar inteligência artificial para reduzir, de forma concreta, o abismo de acessibilidade vivido por pessoas surdas?
Para construir a primeira versão do sistema, o desenvolvedor adotou o MediaPipe, framework do Google capaz de detectar pontos de referência – os chamados landmarks – em mãos, dedos, rosto e corpo. A partir dessa malha de pontos, a posição das mãos, a angulação dos dedos, a postura do tronco e até movimentos sutis de sobrancelha e boca são transformados em dados numéricos que podem ser processados por modelos de aprendizado de máquina.
A arquitetura do aplicativo também incorpora uma rede neural recorrente, projetada para analisar sequências de frames de vídeo. Em vez de tentar interpretar uma imagem estática, a inteligência artificial acompanha a evolução do movimento: onde as mãos começam, o caminho que percorrem, a velocidade do gesto e como tudo isso se combina com a expressão facial. Esse contexto temporal é essencial, porque muitos sinais em Libras só fazem sentido quando observados ao longo de alguns segundos.
O vídeo capturado pela câmera é segmentado em uma sequência de quadros, que servem de entrada para o modelo. A rede neural examina o conjunto de movimentos e calcula a probabilidade de que aquele padrão corresponda a um sinal específico. Na saída, o sistema indica qual sinal é mais provável e o converte em texto, que pode ainda ser lido em voz alta pelo celular, aproximando visualmente e sonoramente duas línguas muito distintas.
Segundo Gabriel, o sistema compara o gesto identificado com “protótipos” armazenados previamente. Em casos em que há sinais visualmente parecidos, o algoritmo pode usar o contexto da frase – os sinais anteriores e posteriores – para reduzir ambiguidades e escolher a interpretação mais coerente com o que está sendo dito. Isso se torna especialmente importante em diálogos mais longos, como uma triagem em pronto-atendimento ou um pedido detalhado em um restaurante.
Um dos grandes desafios do projeto é lidar com a diversidade da língua de sinais brasileira. Libras não é homogênea: um mesmo conceito pode ser sinalizado de maneiras diferentes dependendo da região, da cidade ou até da comunidade escolar em que a pessoa surda aprendeu a língua. Pequenas variações na posição de um dedo, na direção do movimento ou na expressão do rosto podem mudar o sentido da palavra ou torná-la incompreensível para alguém de outra localidade.
Para piorar, o universo de sinais é vasto. De acordo com o desenvolvedor, há mais de 30 mil sinais em Libras, sem contar as variações regionais, enquanto as bases públicas existentes ainda cobrem apenas uma fração desse repertório. A escassez de dados de qualidade – vídeos bem iluminados, com enquadramento adequado, que mostrem mãos, rosto e corpo com clareza – acaba sendo um gargalo mais difícil que a própria construção do modelo matemático.
A estratégia de Gabriel para enfrentar essa limitação é transformar o próprio aplicativo em uma plataforma colaborativa. A ideia é permitir que usuários surdos gravem e enviem sinais, incluindo variações utilizadas em diferentes regiões do país. Com isso, o vocabulário reconhecido pela inteligência artificial poderia crescer de forma contínua, alimentado pela prática real da comunidade, e não apenas por dicionários e materiais didáticos formais.
Esse modelo de expansão colaborativa abre a possibilidade de registrar gestos que quase não aparecem em bases tradicionais, como gírias, regionalismos e sinais que surgem em contextos específicos – por exemplo, termos médicos comuns em pronto-atendimentos ou expressões usadas com frequência em balcões de farmácia, lanchonetes e transportes públicos. Ao mesmo tempo, o uso de vídeos de pessoas reais exige regras rigorosas de consentimento, proteção das gravações e governança sobre como esses dados entram no treinamento dos modelos, pontos que ainda precisam ser explicitados em detalhes pelo projeto.
As primeiras demonstrações públicas da tecnologia mostravam o sistema reconhecendo expressões simples, como “oi”, “tudo bem”, “bom dia”, “seu” e “nome”. Esses exemplos iniciais foram suficientes para atrair a atenção nas redes sociais: o vídeo de apresentação ultrapassou a marca de 3 milhões de visualizações e o perfil dedicado ao projeto chegou a reunir cerca de 60 mil seguidores antes de ser desativado pela plataforma, segundo o relato de Gabriel.
Apesar da ampla repercussão, o desenvolvimento segue financiado exclusivamente pelo próprio criador. Além de bancar custos de infraestrutura, como servidores, armazenamento e dispositivos de teste, ele é o responsável direto por toda a parte técnica, da programação do aplicativo à atualização dos modelos de inteligência artificial. O ritmo de evolução, portanto, depende do tempo e dos recursos que consegue conciliar com o trabalho profissional.
A versão atual do Aprenda Libras foi pensada inicialmente como uma ferramenta educativa, ajudando ouvintes a conhecer sinais básicos e promovendo mais contato cotidiano com a língua de sinais. Mas o objetivo de médio prazo é ir além do ensino e consolidar a tecnologia como um mediador em interações reais: um acompanhante digital que permita que uma pessoa surda converse com um atendente em um hospital, faça uma reclamação em uma loja ou explique uma demanda em um órgão público.
No ambiente hospitalar, por exemplo, a proposta é que o paciente surdo possa sinalizar para a câmera do celular e o app traduza, em texto ou voz, informações essenciais como sintomas, intensidade de dor, alergias e medicamentos em uso. O profissional de saúde, por sua vez, poderia responder por voz, com o aplicativo exibindo legendas ou sinais pré-programados, reduzindo a chance de erros de comunicação em situações críticas.
Em restaurantes, o uso seria mais direto: o cliente sinaliza o pedido, eventuais restrições alimentares ou dúvidas sobre o cardápio, e o aplicativo transmite essas informações em português oral ou escrito. Em lojas e serviços presenciais, a ferramenta poderia ajudar desde a solicitar um produto específico até negociar formas de pagamento ou pedir suporte técnico, tornando a experiência menos desgastante para ambas as partes.
Para que esse cenário se concretize em larga escala, porém, ainda há desafios técnicos e sociais. Do ponto de vista tecnológico, o sistema precisa ganhar robustez para funcionar em ambientes com iluminação ruim, fundos poluídos visualmente, movimentação intensa de pessoas ao redor e diferentes tipos de câmera. Além disso, será necessário aumentar a precisão do reconhecimento para frases complexas, que envolvem não apenas palavras isoladas, mas estruturas gramaticais próprias da Libras.
No campo social, a existência de um aplicativo não dispensa a responsabilidade de empresas e órgãos públicos de investirem em intérpretes humanos, formação de funcionários e políticas consistentes de acessibilidade. A própria comunidade surda alerta que tecnologias de tradução automática devem ser vistas como aliadas, e não como substitutas integrais da presença de profissionais qualificados em língua de sinais, especialmente em contextos sensíveis como atendimentos jurídicos, psicológicos e médicos.
Outro ponto em discussão é a necessidade de que esse tipo de solução seja pensada com participação ativa de pessoas surdas em todas as etapas: concepção, testes, definição de prioridades e avaliação de impacto. Sem essa escuta qualificada, há o risco de se criar um produto que funcione tecnicamente, mas não respeite nuances culturais, expressões identitárias e preferências da própria comunidade que se pretende beneficiar.
Mesmo com essas ressalvas, projetos como o de Gabriel sinalizam uma mudança de paradigma na forma como a tecnologia trata a acessibilidade. Em vez de ser um complemento tardio, pensado apenas depois que o produto está pronto, a inclusão se torna o próprio ponto de partida. A combinação de visão computacional, redes neurais e colaboração de usuários surdos pode inaugurar uma nova geração de ferramentas em que a língua de sinais ocupa o centro da experiência.
À medida que o vocabulário reconhecido cresce e os modelos se tornam mais maduros, aplicações futuras se desenham: totens de autoatendimento em repartições públicas capazes de traduzir Libras em tempo real; caixas eletrônicos que compreendem sinais básicos para operações simples; painéis informativos em estações de ônibus e metrô integrados a sistemas de tradução visual; e, mais à frente, óculos de realidade aumentada que exibam, no campo de visão do usuário, interpretações em Libras de anúncios sonoros e instruções de segurança.
No curto prazo, entretanto, cada avanço incremental já representa um ganho concreto. Para milhões de brasileiros surdos, poder ser compreendido em um balcão de hospital, ser atendido com menos ruído em uma loja ou pedir comida sem depender da boa vontade de um intermediário significa mais autonomia, dignidade e participação na vida da cidade. E é justamente essa barreira do dia a dia que a tecnologia de Gabriel se propõe a derrubar, gesto por gesto, sinal por sinal.