Common Voice: o Português precisa da sua voz


Turicas aka Álvaro Justen

Community Language Expert (Português) - Mozilla Common Voice


16 de outubro de 2026

PythonBrasil 2026 - Florianópolis/SC
## Transcrição - Já precisei transcrever milhares de horas de áudio em Português - O [Whisper](https://openai.com/index/whisper/), modelo aberto criado pela OpenAI, só funciona bem em Português no tamanho `large` - `large` requer mais hardware - Para Inglês, o Whisper `small` já tem um resultado bom - Requer menos hardware e é bem mais rápido - ~2/3 do treinamento do Whisper era Inglês - 1/3 para todas as outras ~90 línguas
## Taxa de Erro de Palavras (WER) ### Português _versus_ Inglês ![](images/whisper-ingles-portugues.svg)
## Por quê? - Faltam dados de qualidade em Português - Diversos _datasets_ em Português não estão sob licenças que permitem uso comercial - Poucas empresas locais desenvolvendo modelos específicos - Quantidade + diversidade = modelos melhores
## Common Voice - [commonvoice.mozilla.org](https://commonvoice.mozilla.org/pt) - Projeto da Mozilla para coletar vozes em 295 línguas - Qualquer pessoa contribui pelo navegador - De tempos em tempos vira um _dataset_ aberto (CC0) - Qualquer um pode treinar modelos com ele
## Ranking de Horas Validadas ![](images/ranking-horas.svg)
## Horas Validadas nas Línguas Latinas ![](images/latinas-horas.svg)
## Ranking de Pessoas que Contribuíram ![](images/ranking-falantes.svg)
## Ranking de Frases Disponíveis para Gravar ### (faltam frases!) ![](images/ranking-frases.svg)
## Português: Gravações por Gênero Declarado ![](images/genero-portugues.svg)
## Gravações com Voz Feminina Declarada ![](images/genero-feminino.svg)
## "Mas vão roubar minha voz?" - A identidade da pessoa (nome e email) não é publicada - Apenas o áudio, a frase lida e um identificador aleatório - Quem baixa o _dataset_ concorda em **não tentar identificar** quem falou - Sua voz já está em vídeos nas mídias sociais, em áudios de WhatsApp e em diversos outros programas **fechados** que podem usar seus dados como eles querem - No CommonVoice ela ajuda a criar algo aberto
## Como Colaborar ### (só precisa do navegador) - **Escrever**: sugira frases novas (em domínio público) - **Revisar**: aprove ou rejeite frases sugeridas por outras pessoas - **Falar**: grave as frases que aparecem na tela - **Ouvir**: valide as gravações de outras pessoas - Em Português, temos **quase nenhum dado** para fala espontânea

Escrever

Revisar

Falar

Ouvir

Colabore!

Telegram: CommonVoice em Português
QR code Telegram
t.me/commonvoicept

{xuíter, bsky.social, github, youtube, etc.} /turicas