Uso de Glosas para Tradução Automática em Libras
Resumo
Este artigo examina o desafio da comunicação entre surdos e ouvintes no Brasil, onde mais de 2 milhões de pessoas têm deficiência auditiva e o domínio de Libras é restrito, agravado pela falta de intérpretes. Propõe-se desenvolver uma solução computacional dividida em duas etapas: primeiro, a conversão do texto em português para uma linguagem intermediária, denominada glosa ou interlíngua e, em seguida, a transformação dessa interlíngua em texto, novamente, através da suavização feita por uma LLM. Para validar a eficácia dessa abordagem, comparamos seu desempenho a um modelo fim a fim de tradução direta usando a métrica BLEU. A solução com uso de glosa alcançou um BLEU-1 de 71.23, enquanto o modelo direto obteve um BLEU-1 de 34.01, representando uma melhoria significativa na qualidade da saída. Esses resultados comprovam que o uso da glosa como interlíngua proporciona traduções mais fiéis e naturais do que arquiteturas que dispensam essa etapa intermediária.
Palavras-chave:
Libras, Glosas, Tradução
Referências
C. Ellwanger, C. Santos, P. Soares, and T.Weisheimer, “G’libras: Um sistema especialista para auxilio à criação de glosas,” in Workshop de Desafios da Computação aplicada à Educação (DesafIE!). SBC, 2015, pp. 101–110.
J. Eisenstein, “Natural language processing,” Jacob Eisenstein, vol. 507, 2018.
C. L. Ferraz, Dicionario de Configuração de Mãos em Libras. Cruz das Almas, Brasil: Editora UFRB, 2019.
R. M. Quadros, Língua de herança: língua brasileira de sinais. Porto Alegre, RS: Penso Editora, 2017.
F. A. dos Santos Paiva, J. M. De Martino, P. A. Barbosa, Â. Benetti, and I. R. Silva, “Um sistema de transcrição para língua de sinais brasileira: o caso de um avatar,” Revista do GEL, vol. 13, no. 3, pp. 12–48, 2016.
A. Vaswani, N. Shazeer, N. Parmar, J. Uszkoreit, L. Jones, A. N. Gomez, L. Kaiser, and I. Polosukhin, “Attention is all you need,” 2023. [Online]. Available: [link]
D. Guo, D. Yang, H. Zhang, J. Song, R. Zhang, R. Xu, Q. Zhu, S. Ma, P. Wang, X. Bi et al., “Deepseek-r1: Incentivizing reasoning capability in llms via reinforcement learning,” arXiv preprint arXiv:2501.12948, 2025.
L. Tarrés, G. I. Gállego, A. Duarte, J. Torres, and X. Giró-i Nieto, “Sign language translation from instructional videos,” in Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, 2023, pp. 5625–5635.
P. Roy, J.-E. Han, S. Chouhan, and B. Thumu, “American sign language video to text translation,” arXiv preprint arXiv:2402.07255, 2024.
N. C. Camgoz, S. Hadfield, O. Koller, H. Ney, and R. Bowden, “Neural sign language translation,” in Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), June 2018.
L. R. Cerna, E. E. Cardenas, D. G. Miranda, D. Menotti, and G. Camara-Chavez, “A multimodal libras-ufop brazilian sign language dataset of minimal pairs using a microsoft kinect sensor,” Expert Systems with Applications, vol. 167, p. 114179, 2021. [Online]. Available: [link]
K. Renz, N. C. Stache, S. Albanie, and G. Varol, “Sign language segmentation with temporal convolutional networks,” in ICASSP 2021-2021 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). IEEE, 2021, pp. 2135–2139.
C. Wei, J. Zhao, W. Zhou, and H. Li, “Semantic boundary detection with reinforcement learning for continuous sign language recognition,” IEEE Transactions on Circuits and Systems for Video Technology, vol. 31, no. 3, pp. 1138–1149, 2020.
S. Khan, D. G. Bailey, and G. S. Gupta, “Pause detection in continuous sign language,” International journal of computer applications in technology, vol. 50, no. 1-2, pp. 75–83, 2014.
H. Bull, M. Gouiffès, and A. Braffort, “Automatic segmentation of sign language into subtitle-units,” in European Conference on Computer Vision. Springer, 2020, pp. 186–198.
K. Papineni, S. Roukos, T. Ward, and W.-J. Zhu, “Bleu: a method for automatic evaluation of machine translation,” in Proceedings of the 40th Annual Meeting of the ACL. Philadelphia, PA, USA: Association for Computational Linguistics, 2002, pp. 311–318.
J. Eisenstein, “Natural language processing,” Jacob Eisenstein, vol. 507, 2018.
C. L. Ferraz, Dicionario de Configuração de Mãos em Libras. Cruz das Almas, Brasil: Editora UFRB, 2019.
R. M. Quadros, Língua de herança: língua brasileira de sinais. Porto Alegre, RS: Penso Editora, 2017.
F. A. dos Santos Paiva, J. M. De Martino, P. A. Barbosa, Â. Benetti, and I. R. Silva, “Um sistema de transcrição para língua de sinais brasileira: o caso de um avatar,” Revista do GEL, vol. 13, no. 3, pp. 12–48, 2016.
A. Vaswani, N. Shazeer, N. Parmar, J. Uszkoreit, L. Jones, A. N. Gomez, L. Kaiser, and I. Polosukhin, “Attention is all you need,” 2023. [Online]. Available: [link]
D. Guo, D. Yang, H. Zhang, J. Song, R. Zhang, R. Xu, Q. Zhu, S. Ma, P. Wang, X. Bi et al., “Deepseek-r1: Incentivizing reasoning capability in llms via reinforcement learning,” arXiv preprint arXiv:2501.12948, 2025.
L. Tarrés, G. I. Gállego, A. Duarte, J. Torres, and X. Giró-i Nieto, “Sign language translation from instructional videos,” in Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, 2023, pp. 5625–5635.
P. Roy, J.-E. Han, S. Chouhan, and B. Thumu, “American sign language video to text translation,” arXiv preprint arXiv:2402.07255, 2024.
N. C. Camgoz, S. Hadfield, O. Koller, H. Ney, and R. Bowden, “Neural sign language translation,” in Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), June 2018.
L. R. Cerna, E. E. Cardenas, D. G. Miranda, D. Menotti, and G. Camara-Chavez, “A multimodal libras-ufop brazilian sign language dataset of minimal pairs using a microsoft kinect sensor,” Expert Systems with Applications, vol. 167, p. 114179, 2021. [Online]. Available: [link]
K. Renz, N. C. Stache, S. Albanie, and G. Varol, “Sign language segmentation with temporal convolutional networks,” in ICASSP 2021-2021 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). IEEE, 2021, pp. 2135–2139.
C. Wei, J. Zhao, W. Zhou, and H. Li, “Semantic boundary detection with reinforcement learning for continuous sign language recognition,” IEEE Transactions on Circuits and Systems for Video Technology, vol. 31, no. 3, pp. 1138–1149, 2020.
S. Khan, D. G. Bailey, and G. S. Gupta, “Pause detection in continuous sign language,” International journal of computer applications in technology, vol. 50, no. 1-2, pp. 75–83, 2014.
H. Bull, M. Gouiffès, and A. Braffort, “Automatic segmentation of sign language into subtitle-units,” in European Conference on Computer Vision. Springer, 2020, pp. 186–198.
K. Papineni, S. Roukos, T. Ward, and W.-J. Zhu, “Bleu: a method for automatic evaluation of machine translation,” in Proceedings of the 40th Annual Meeting of the ACL. Philadelphia, PA, USA: Association for Computational Linguistics, 2002, pp. 311–318.
Publicado
22/10/2025
Como Citar
SANTOS, Bruno Rogério Simões dos; FRANÇA, Luan Fernandes de.
Uso de Glosas para Tradução Automática em Libras. In: CONGRESSO LATINO-AMERICANO DE SOFTWARE LIVRE E TECNOLOGIAS ABERTAS (LATINOWARE), 22. , 2025, Foz do Iguaçu/PR.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2025
.
p. 708-715.
DOI: https://doi.org/10.5753/latinoware.2025.16608.
