Skip to main content

Tradutor de áudio

1. Objetivo​

Criar uma aplicação que integra um tradutor de texto (pode ser baseado em LLM ou não), uma aplicação de speech-to-text e uma aplicação de text-to-speech.

2. Enunciado​

Crie uma ferramenta de terminal capaz de receber como argumento o caminho para um arquivo de áudio contendo a fala de uma pessoa. Após ler o arquivo fornecido, a sua aplicação deve ser capaz de transformar o áudio em texto corretamente, usar esse texto gerado para alimentar um tradutor de texto (e.g. transforma um texto do português para o inglês) e, por fim, transforma o texto traduzido em áudio novamente e reproduz para o usuário.

Dica

Caso não consiga rodar modelos mais robustos, limite-se a traduzir do portugês para o Inglês, pois há mais ferramentas disponíveis para trabalhar com a língua inglesa.

3. Padrão de entrega​

Esses são os critérios mínimos para que eu considere a atividade como entregue. Fique atento, pois o não cumprimento de qualquer um desses critérios pode, no melhor dos casos, gerar um desconto de nota e, no pior deles, invalidar a atividade.

  1. A atividade deve ser feita em um repositório aberto no github. Seu link deve ser fornecido no card da adalove;
  2. No README do repositório deve ter instruções claras de como instalar e rodar o sistema criado, comandos em blocos de código e uma expliação sucinta do que fazem;
  3. Ainda no README, deve haver um vídeo gravado demonstrando plenamente o funcionamento do nó criado;
  4. O prazo para a entrega desta atividade é até o dia 14/12/2023 às 23h59min.

4. Padrão de qualidade​

Aviso!

Os itens descritos no padrão de qualidade devem estar claramente apresentados no vídeo do projeto em funcionamento.

  1. A aplicação desenvolvida deve ter uma interface de usuário capaz de receber um arquivo de áudio (sugere-se o uso do terminal por simplicidade, mas pode utilizar opções mais robustas) - até 1,0 ponto.
  2. O sistema deve comprovadamente ser capaz de transformar o arquivo de áudio em texto, sendo capaz de traduzir o exemplo demonstrado sem falhas - até 3,0 pontos.
  3. O sistema deve comprovadamente ser capaz de traduzir o texto fornecido para a língua de sua escolha (e.g. português, inglês, japonês) - até 3,0 pontos.
  4. O sistema deve comprovadamente ser capaz de sintetizar a frase traduzida, criando um áudio que o usuário pode ouvir com a resposta final - até 3,0 pontos.