IBM Granite Switch 4.1 junta texto e voz, mas há uma limitação para Portugal

Granite Switch 4.1 reúne texto, decisões e voz. O modelo suporta português no texto, mas a transcrição integrada está limitada a inglês.

A IBM apresentou o Granite Switch 4.1, um sistema modular que reúne conversação, decisões e transcrição de áudio no mesmo serviço. Para quem desenvolve aplicações em Portugal, há um detalhe importante: o suporte de texto em português não significa que o componente de voz transcreva português.

Várias tarefas sem carregar vários modelos completos

As versões 8B e 30B combinam um modelo base com componentes especializados. A proposta é alternar entre escrever uma resposta, classificar um pedido e transformar fala em texto, reutilizando recursos.

Segundo a IBM, o conjunto ocupa aproximadamente a mesma memória gráfica que o modelo base isolado. Os adaptadores Activated LoRA permitem reutilizar informação já processada, reduzindo trabalho repetido entre determinadas tarefas. Trata-se de uma alegação técnica da fabricante; a AHT não realizou medições próprias de consumo ou velocidade.

Português no texto, inglês no áudio

A ficha oficial da versão 8B inclui português entre os idiomas do modelo base e indica uma janela de contexto de 131 072 tokens. Contudo, o módulo de reconhecimento de fala está identificado como exclusivo para inglês. A documentação assinala ainda transcrições em minúsculas, sem pontuação, e ausência de treino conjunto entre esse componente e o modelo de linguagem.

Na prática, uma empresa que queira trabalhar com chamadas ou entrevistas em português terá de avaliar outra solução de transcrição. A presença de português na lista de idiomas de texto também não constitui, por si só, uma avaliação da qualidade em português europeu.

O que verificar antes de usar

O modelo 8B é disponibilizado sob licença Apache 2.0 e tem documentação para execução com Transformers e vLLM. A ficha alerta que o adaptador de segurança incluído não substitui testes específicos da aplicação e que esta configuração não integra os adaptadores de deteção e correção de factualidade da biblioteca Guardian.

A leitura prática para uma equipa portuguesa é separar três avaliações: qualidade do texto, reconhecimento de voz e fiabilidade das decisões. Ter essas funções no mesmo serviço pode simplificar a integração, mas não demonstra que tenham o mesmo desempenho no idioma e na tarefa pretendidos.

Fontes: apresentação da IBM Granite e ficha técnica do modelo 8B.