Alex Soletto

As novidades em aparelhos e serviços acionados pela voz tendem a pipocar nos próximos meses. Depois de um ano de trabalho, a IBM finalmente lança este mês o programa para reconhecer palavras em português e compreender comandos básicos como salvar, imprimir ou abrir tal documento. O Via Voice ainda tem uma terceira função, chamada síntese da fala, que é a capacidade de o computador reproduzir um texto pré-selecionado em linguagem oral. Essa função é especialmente importante para deficientes visuais, como é o caso dos correntistas do Bradesco que acessam seu extrato pelo computador. O programa custa R$ 280, tem um vocabulário de 60 mil palavras e está adaptado a nove idiomas, entre os quais inglês americano e britânico, francês, chinês e espanhol. Resultado de pesquisas conduzidas pela IBM desde a década de 50, o programa ainda mantém traços arcaicos. Antes de usá-lo, é preciso treinar o computador com o timbre de sua voz. Significa passar pelo menos meia hora lendo textos em voz alta, lembrando de mencionar cada vírgula, parágrafo ou ponto de exclamação. Além da IBM, outras empresas possuem sistemas semelhantes, como a Dragon Systems e a Philips. Nenhuma delas tem planos imediatos de traduzir seus produtos para o português.

Microondas – Mas a idéia não é restringir o uso desse tipo de programa aos computadores e sim estender o reconhecimento de voz a outros aparelhos eletrônicos. Aí entra tudo aquilo que a imaginação puder alcançar.  "A indústria de tecnologia estuda como tornar sensíveis aos comandos da voz humana outros aparelhos como o forno de microondas, o carro, o computador de bolso e o celular", revela Jean-Marc Langé, coordenador da divisão de voz da IBM para América Latina. A coreana Samsung foi uma das mais ágeis em oferecer no Brasil um celular que responde aos comandos de voz, desde que antes o aparelho se acostume com o timbre da voz de seu dono. Depois disso, basta dizer o nome de alguém que conste da agenda e o celular faz a ligação automaticamente. Incrementos como esse pouco a pouco devem equipar os aparelhos de uso corriqueiro. Na realidade, o que se pretende é inverter a cadeia de prioridades da indústria, que demorou tempo demais para descobrir que não é o homem que deve sucumbir ao funcionamento das máquinas, e sim o contrário. O primeiro a hastear a bandeira de mea-culpa foi o americano Michael Dertouzos, que há 25 anos dirige o Laboratório de Ciência da Computação do prestigiado Instituto de Tecnologia de Massachusetts, o MIT. "Nos primeiros 40 anos da ciência da computação, estivemos preocupados em adaptar a tecnologia àquilo que as máquinas querem", escreveu Dertouzos em artigo para a revista Scientific American. Dertouzos é um dos 30 pesquisadores do MIT responsáveis pela elaboração do Oxygen, projeto de pesquisa que em cinco anos promete apresentar equipamentos e programas tão fáceis de acessar quanto "o ar que se respira", nas palavras de Dertouzos.

"A linguagem falada é a forma natural de o homem interagir com o mundo e a tendência é ter cada vez mais aparelhos eletrônicos controlados por voz, eliminando assim o mouse e o teclado", diz Plínio Almeida Barbosa, professor de Linguística do Instituto de Estudo da Linguagem da Universidade de Campinas, a Unicamp. Mesmo sem o mesmo orçamento e com apenas a sombra da infra-estrutura do MIT, os pesquisadores da Unicamp debruçam-se desde 1994 sobre as particularidades da língua portuguesa. Hoje a universidade tem um dos mais elogiados sistemas de reconhecimento e síntese de fala humana do País. São 239 mil palavras cadastradas num banco de dados único, incluindo aí as conjugações verbais e mil exceções gramaticais. Criar um sistema de reconhecimento de voz não é tarefa simples. Não adianta transferir o conteúdo do dicionário para o computador. "É preciso repetir as mesmas palavras com diferentes sotaques, dialetos e pronúncias regionais para que o índice de acerto seja razoável", explica Fábio Violare, professor-titular do laboratório de processamento digital de fala da Unicamp. "Para ser produtivo, um sistema de reconhecimento de voz deve acertar pelo menos 95% das palavras ditadas em fala contínua", alerta Violare. Hoje o maior desafio da indústria de alta tecnologia é aumentar o índice de acerto e assimilar as variações da voz – ora anasalada por conta de uma gripe, ora afônica depois de uma comemoração na véspera.

Embora ainda tenham falhas, os sistemas de reconhecimento da fala já foram adotados como atendentes virtuais das companhias telefônicas e empresas aéreas nos EUA e na Europa. Em vez de digitar o ramal, basta dizer, no bocal do telefone, o nome do departamento ou da pessoa chamada. Serviços como esse tendem a proliferar. Quem garante é Craig Barrett, presidente da Intel, maior fabricante de chips para computadores. Em recente visita ao Brasil, ele apresentou aquilo que a Intel prevê ser a realidade para 2003. Em vez de teclado, Barrett checou sua caixa postal e ditou mensagens eletrônicas usando apenas as cordas vocais. O computador, numa eficiente voz sintetizada de mulher, respondia a tudo, lembrando o atarefado executivo dos compromissos que teria durante o dia, para quem deveria telefonar ou, last but not least, não se esquecer de mandar flores para a esposa.