Transcrição automática de entrevistas e anotação Universal Dependencies no Corpus Roda Viva

Neste artigo é apresentada a pesquisa sobre a transcrição automática de quatro entrevistas extraídas do Corpus Roda Viva, que é formado por 713 entrevistas do Programa Roda Viva, da TV Cultura. As entrevistas originais foram transcritas por jornalistas, adquirindo, assim, um status de texto escrito, possuindo, ainda, intervenções, como informações enciclopédicas sobre fatos e pessoas citadas. A fim de trabalhar com texto oral, a presente pesquisa realizou um trabalho piloto de transcrição automática de quatro dessas entrevistas, usando a ferramenta Whisper e, posteriormente, as entrevistas foram anotadas automaticamente com a formalização da Universal Dependencies e revisadas manualmente pela ferramenta Arborator Grew ElizIA. Por meio desse trabalho, pôde-se notar as diferenças sintáticas presentes no corpus original e nas entrevistas transcritas automaticamente.Palavras-chave: Universal Dependencies; Sintaxe; Linguística de corpus; reconhecimento automático de fala

Digital Communication and Language · Linguistic Studies and Language Acquisition · Linguistics and Education Research