NVIDIA usa dataset SADA da SDAIA para cortar erros de reconhecimento de fala em dialetos sauditas

A NVIDIA utilizou o Saudi Audio Dataset for Arabic (SADA), lançado pela Saudi Data and AI Authority (SDAIA) em parceria com a Saudi Broadcasting Authority, para treinar seu modelo multilíngue de reconhecimento automático de fala Nemotron 3.5 ASR. Segundo um estudo técnico publicado no NVIDIA Developer blog, a integração do dataset reduziu os erros de compreensão dos dialetos sauditas em quase metade.

Conforme informou a agência estatal saudita SPA em 3 de outubro de 2026, o modelo, que oferece transcrição em tempo real em cerca de 40 idiomas e dialetos, incluindo o árabe, inicialmente identificava incorretamente cerca de 55 de cada 100 palavras nos dialetos sauditas. Após o treinamento com 133,7 horas de áudio najdi e hijazi do SADA, a taxa de erro de palavras caiu para aproximadamente 30 palavras.

No conjunto completo de dados multidialetais, a taxa de erro caiu de 58,8% para 35,6%, enquanto os erros em nível de caractere recuaram de 31,6% para 12,2%, com ganhos simultâneos de desempenho em árabe padrão moderno e inglês. O treinamento foi concluído em apenas quatro horas e meia, usando duas GPUs.

Otimizado para sistemas interativos em tempo real, o modelo aprimorado apresenta latência a partir de 80 milissegundos, viabilizando aplicações em assistentes de voz inteligentes, agentes conversacionais, legendagem de transmissões ao vivo e transcrição de call centers, arquivos de mídia e reuniões. A NVIDIA também compartilhou os fluxos de trabalho e ferramentas necessários para permitir que desenvolvedores globais repliquem a metodologia em outros idiomas.

A SDAIA havia lançado anteriormente o dataset SADA na plataforma Kaggle para apoiar pesquisadores e desenvolvedores internacionais. O conjunto de dados abrange cerca de 667 horas de áudio transcrito, incluindo mais de 600 horas fornecidas pela Saudi Broadcasting Authority, provenientes de 57 programas de televisão e séries que cobrem mais de 10 dialetos sauditas, com 20 horas reservadas para validação. Composto por mais de 125 mil clipes categorizados, ele permitiu à NVIDIA direcionar dados específicos de fala najdi e hijazi.

O anúncio foi feito em Riade, em 3 de outubro de 2026, pela SPA. O texto não informa se o modelo será disponibilizado comercialmente na Arábia Saudita, nem detalha eventuais parcerias locais para implantação.

O que é o dataset SADA e quem o lançou? O Saudi Audio Dataset for Arabic (SADA) foi lançado pela Saudi Data and AI Authority (SDAIA) em parceria com a Saudi Broadcasting Authority. O conjunto reúne cerca de 667 horas de áudio transcrito, incluindo mais de 600 horas fornecidas pela Saudi Broadcasting Authority, provenientes de 57 programas de televisão e séries que cobrem mais de 10 dialetos sauditas, com 20 horas reservadas para validação. Ele foi disponibilizado na plataforma Kaggle para apoiar pesquisadores e desenvolvedores internacionais.

Quanto o modelo melhorou com o treinamento no SADA? Segundo o estudo técnico publicado no NVIDIA Developer blog, o Nemotron 3.5 ASR inicialmente identificava incorretamente cerca de 55 de cada 100 palavras em dialetos sauditas. Após treinar com 133,7 horas de áudio najdi e hijazi do SADA, a taxa de erro de palavras caiu para aproximadamente 30 palavras. No conjunto multidialetal completo, a taxa de erro recuou de 58,8% para 35,6%, e os erros em nível de caractere caíram de 31,6% para 12,2%.

Quais aplicações o modelo aprimorado permite? O modelo é otimizado para sistemas interativos em tempo real e tem latência a partir de 80 milissegundos. Isso viabiliza usos em assistentes de voz inteligentes, agentes conversacionais, legendagem de transmissões ao vivo e transcrição de call centers, arquivos de mídia e reuniões. A NVIDIA também compartilhou os fluxos de trabalho e ferramentas necessários para que desenvolvedores globais repliquem a metodologia em outros idiomas.

Como o treinamento foi realizado? O treinamento foi concluído em apenas quatro horas e meia, usando duas GPUs. O modelo Nemotron 3.5 ASR é multilíngue e oferece transcrição em tempo real em cerca de 40 idiomas e dialetos, incluindo o árabe. A integração do SADA também trouxe ganhos simultâneos de desempenho em árabe padrão moderno e inglês, segundo o estudo técnico publicado no NVIDIA Developer blog.

O que a SPA não informou sobre o anúncio? A SPA não informa se o modelo será disponibilizado comercialmente na Arábia Saudita, nem detalha eventuais parcerias locais para implantação. O texto também não menciona valores de investimento, prazos de lançamento ou planos de expansão do dataset SADA. As informações divulgadas se limitam ao estudo técnico publicado no NVIDIA Developer blog e aos dados do dataset lançado pela SDAIA em parceria com a Saudi Broadcasting Authority.