GigaChat Pro acentuou 95,8% das palavras, mas 32 erros só apareceram em lotes pequenos
Os motores de TTS em russo erram a sílaba tônica: «гудни» é lida como «гУдни», e os dicionários de pronúncia do ElevenLabs estão bloqueados no plano do autor. Ele passou 7789 palavras ao GigaChat Pro e obteve um léxico de 7462 palavras, ou 95,8% de cobertura. Mas 32 palavras, como «проскочила» e «куплена», receberam acentos diferentes em execuções diferentes do modelo, e só os lotes pequenos revelaram isso. A conclusão: a execução em massa serve apenas como lista de candidatos, e os casos duvidosos precisam ser decididos por uma pessoa.
Processado por IA de Habr AI; editado por Hamidun News
Os sintetizadores de fala (TTS) em russo erram a sílaba tônica com frequência: a palavra «гудни» é lida como «гУдни», e «проскочила» e «куплена» soam com erro. O autor da análise esbarrou nisso em três motores ao mesmo tempo. Os dicionários de pronúncia do ElevenLabs estão bloqueados no plano dele, por isso ele mantinha um dicionário manual de substituições com 51 palavras.
Então pediu ao GigaChat Pro que marcasse os acentos em todo o banco de falas: 7789 palavras viraram um léxico de 7462 palavras, ou seja, 95,8% de cobertura. Parece uma vitória, mas a lição principal é outra: 32 palavras dessa lista se mostraram pouco confiáveis, e isso só podia ser percebido em uma nova checagem com lotes pequenos. Para quem rotula dados em massa com LLMs, é uma regra prática pronta para uso.
GigaChat como montador de dicionário de acentuação
A ideia é simples: entregar a um modelo de linguagem todo o banco de textos e montar o léxico de acentos automaticamente, em vez de digitar as palavras à mão. O GigaChat tem um tier gratuito por um ano: 250 milhões de tokens para o Lite, 40 milhões para o Pro, 25 milhões para o Max e 50 milhões para o Ultra. O cadastro é feito por Client ID com scope GIGACHAT_API_PERS, e a conexão leva uma única linha de código, indicando o modelo GigaChat-2-Pro.
A escolha do modelo se mostrou decisiva. O Lite é inútil para essa tarefa: ele "gera lixo", nas palavras do autor. A única opção que funciona é o Pro.
Há ainda uma peculiaridade menor. O GigaChat coloca o sinal de acento depois da vogal tônica, e não antes dela, como faz a biblioteca ruaccent, e às vezes corta o final da palavra. Isso se resolve fixando o formato no prompt e corrigindo o parser.
A lição principal: lotes grandes erram com confiança
O léxico pronto não pode ser importado direto para o dicionário. Quando o autor rechecou as palavras em lotes pequenos, apareceram 32 casos traiçoeiros, entre eles «проскочила» e «куплена»: em uma execução o modelo colocava o acento em um lugar, em outra, em outro. Em um lote grande, essas divergências se perdem, e a resposta parece igualmente confiante.
Disso nasceu uma regra que agora vale permanentemente no projeto:
- a execução em massa é apenas fonte de candidatos;
- cada candidato passa por checagem em lote pequeno;
- a decisão final sobre as divergências entre execuções é tomada por uma pessoa.
Resultado: o dicionário passou de 51 para 101 palavras, e o autor não teria adivinhado sozinho nenhuma das 50 palavras novas. A regra vale além da acentuação. Se você pede a uma LLM que atribua tags, categorias ou padronize dados, o mesmo pode acontecer com você: em milhares de itens, a instabilidade passa despercebida. Um seguro barato é rodar de novo os itens duvidosos em pequenos lotes e comparar as respostas.
GigaAM como controle de qualidade da narração
A segunda tarefa é verificar a narração pronta: reconhecer o arquivo wav gerado e comparar as palavras com o texto de referência. Para isso serviu o GigaAM v3 via sherpa-onnx: os pesos ocupam 222 MB, e a licença é MIT. Em faixas limpas, sem processamento, ele é rápido e preciso. De bônus, o autor passou por ele uma gravação de seis minutos feita com um gravador de voz e obteve uma transcrição quase sem erros em segundos.
As limitações também são claras:
- em narração com efeito de rádio (interferência e compressor no «Канал 15»), o GigaAM se confunde, e ali o whisper continua em uso;
- ele não aceita arquivos longos inteiros: o limite prático é de cerca de 50 segundos, por isso as faixas são cortadas em janelas de 30 segundos;
- o modelo Lite do GigaChat continua inútil para acentuação.
As duas ferramentas estão integradas ao protocolo de trabalho: o script stress_suggest.py com a flag --giga sugere os acentos, e qa_recent.py e qa_recast.py com o parâmetro --engine gigaam verificam a ressíntese mais recente.
O que levar para a prática
Para quem faz narração em russo ou agentes de voz, o esquema é reproduzível em uma noite. O tier gratuito do GigaChat Pro reúne os candidatos, os lotes pequenos eliminam as respostas instáveis, e a pessoa olha apenas para as divergências. O GigaAM serve como controle automático barato em áudio limpo, mas, para faixas com efeitos, é melhor manter o whisper. O autor resume sem pompa: a rede neural é uma ferramenta como uma chave de fenda, só que mais cara. E um detalhe revelador: o modelo nunca conseguiu acentuar a palavra «гудни» com segurança, nem uma vez.
- 5 de fev. de 2026Acentos sem erros: redes neurais por caractere substituem dicionários empoeirados
- 19 de nov. de 2026Rádio de Euro Truck Simulator 2 aprende a ler notícias e a agradecer doações por $1
- 27 de out. de 2026Modelo OmniVoice narrou 5 minutos de texto em russo em 44 segundos, mas erra a acentuação
- 12 de nov. de 2026DeepL Voice aprendeu a transportar sarcasmo e mudanças de humor para a tradução ao vivo
Perguntas frequentes sobre a notícia
O que se sabe sobre GigaChat como montador de dicionário de acentuação?
A ideia é simples: entregar a um modelo de linguagem todo o banco de textos e montar o léxico de acentos automaticamente, em vez de digitar as palavras à mão. O GigaChat tem um tier gratuito por um ano: 250 milhões de tokens para o Lite, 40 milhões para o Pro, 25 milhões para o Max e 50 milhões para o Ultra. O cadastro é feito por Client ID com scope GIGACHAT_API_PERS, e a conexão leva uma única linha de código, indicando o modelo GigaChat-2-Pro. A escolha do modelo se mostrou decisiva.
O que se sabe sobre A lição principal: lotes grandes erram com confiança?
O léxico pronto não pode ser importado direto para o dicionário. Quando o autor rechecou as palavras em lotes pequenos, apareceram 32 casos traiçoeiros, entre eles «проскочила» e «куплена»: em uma execução o modelo colocava o acento em um lugar, em outra, em outro. Em um lote grande, essas divergências se perdem, e a resposta parece igualmente confiante.
O que se sabe sobre GigaAM como controle de qualidade da narração?
A segunda tarefa é verificar a narração pronta: reconhecer o arquivo wav gerado e comparar as palavras com o texto de referência. Para isso serviu o GigaAM v3 via sherpa-onnx: os pesos ocupam 222 MB, e a licença é MIT. Em faixas limpas, sem processamento, ele é rápido e preciso. De bônus, o autor passou por ele uma gravação de seis minutos feita com um gravador de voz e obteve uma transcrição quase sem erros em segundos.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.