Como a Adi Vaani usa a IA para reviver as línguas tribais da Índia

Uma nova ponte digital para as línguas tribais

Numa escola primária no centro da Índia, um professor de língua gondi passou anos a transformar frases longas e complexas em hindi em explicações simples em gondi que os seus alunos conseguem compreender. Recorre à memória, pede ajuda aos mais velhos e procura palavras locais que correspondam a novas ideias. O trabalho é lento e frágil. Um matiz ignorado pode alterar o significado, e uma palavra em falta pode levar os alunos de volta a uma língua dominante. Esta é a realidade diária que a nova plataforma Adi Vaani da Índia pretende alterar: promete uma forma mais rápida e fiável de traduzir conhecimento para as línguas maternas tribais e de levar as vozes das comunidades tribais para o mundo mais alargado.

Lançada em versão beta a 1 de setembro de 2025, a Adi Vaani é o primeiro tradutor de inteligência artificial da Índia concebido especificamente para línguas tribais. A plataforma concentra-se em línguas que milhões de pessoas falam em casa mas raramente veem online. Oferece tradução direta entre hindi ou inglês e quatro línguas tribais na primeira versão, enquanto o trabalho sobre mais línguas continua. O objetivo é duplo. Primeiro, ajudar as pessoas a aceder a informação numa língua que usam todos os dias, desde lições escolares e avisos de saúde a benefícios do governo. Segundo, proteger tradições vivas tornando mais fácil registar histórias orais, canções e contos numa forma digital duradoura.

O panorama linguístico da Índia é imenso. Os registos governamentais listam milhares de línguas maternas e dialetos. Muitas são faladas por pequenas comunidades, e demasiadas desapareceram nas últimas décadas. As línguas dominantes tendem a atrair aprendentes por causa do emprego, da migração urbana e dos médias. Sem apoio constante nas escolas e nos serviços públicos, as línguas mais pequenas perdem terreno. A Adi Vaani é um esforço direto para travar essa perda e dar aos falantes um caminho para a economia digital sem abandonarem a sua língua materna.

O que é a Adi Vaani e porque é importante

A Adi Vaani é uma plataforma de IA liderada pelo governo que traduz texto e fala entre hindi, inglês e línguas tribais selecionadas. Está disponível como aplicação móvel e através de um portal web. O intuito do projeto é prático e cultural: abrir o acesso a serviços e conhecimento para os cidadãos tribais e preservar línguas que são frequentemente transmitidas através de narrativas orais em vez de arquivos escritos.

Línguas na primeira versão

A versão beta suporta quatro línguas tribais que têm grandes comunidades de falantes mas ferramentas digitais limitadas.

• Santali
• Mundari
• Bhili
• Gondi

As equipas de engenharia estão a preparar suporte para o kui e o garo. Os planos de expansão são definidos pela população de falantes, pela disponibilidade de dados e pela presença de parceiros locais que possam ajudar a validar as traduções.

O que os utilizadores podem fazer

A Adi Vaani combina várias capacidades que tornam a tradução mais do que uma simples ação de clique. Suporta tradução de texto para texto em tempo real e pode ler texto em voz alta através de texto para fala. Pode transcrever áudio através de fala para texto e converter traduções novamente em linguagem falada. Inclui também reconhecimento ótico de caracteres que pode extrair texto de imagens e páginas digitalizadas para tradução. A plataforma reúne dicionários bilíngues, manuais para aprendizagem inicial e conteúdos selecionados, como avisos de serviço público e discursos que importam na vida quotidiana. O portal web está acessível através do site oficial em aadivaani.tribal.gov.in.

Como a tecnologia funciona para línguas com poucos recursos

Construir tradução por IA para línguas bem documentadas é difícil. Fazê-lo para línguas com poucos recursos é um desafio mais profundo. A maioria das línguas tribais carece de conjuntos de dados grandes e limpos. Existem poucos textos paralelos que pareiem frases numa língua tribal com equivalentes em hindi ou inglês. As bases de dados de fala, vitais para treinar sistemas de voz, são ainda mais raras. Esta escassez torna difícil treinar modelos modernos de tradução e fala que requerem milhares de horas de áudio ou milhões de pares de frases alinhadas para atingir elevada precisão.

A Adi Vaani aborda essa lacuna com uma combinação de aprendizagem automática e experiência humana. Os sistemas de tradução baseiam-se em modelos neurais transformer que aprendem padrões ao analisar muitos exemplos da mesma ideia expressa em duas línguas. Para recolher esses exemplos, a equipa trabalhou com falantes nativos e professores para traduzir grandes lotes de frases e validar o resultado. Em santali, por exemplo, investigadores e tradutores da comunidade prepararam cerca de cem mil frases em hindi alinhadas com o santali e pareiaram-nas com um corpus que vai a milhões de palavras. Esse material tornou-se dados de treino para modelos que são revistos, corrigidos e retreinados em ciclos.

Os sistemas de fala seguem um percurso semelhante. Linguistas e colaboradores locais gravam palavras, expressões e passagens longas na língua-alvo. O modelo aprende como os sons se mapeiam para as letras e como as palavras fluem na fala natural. O processo demora porque cada língua tem a sua própria fonética, padrões de acentuação e prosódia. Acertar a pronúncia é essencial para a aceitação pelos falantes nativos, pelo que a revisão humana continua a ser uma parte central do processo.

Quem está a construir e como os dados são obtidos

A Adi Vaani é um esforço de consórcio. O desenvolvimento técnico é liderado por grandes institutos de engenharia, com parceiros de toda a rede de investigação da Índia. Os Institutos de Investigação Tribal em estados como Jharkhand, Odisha, Madhya Pradesh, Chhattisgarh e Meghalaya contribuem com expertise linguística, ligam as equipas a falantes nativos e ajudam a moldar o contexto cultural. Professores, líderes comunitários e jovens tradutores ajudam com dicionários, frases para treino e traduções de folclore local e lições.

O trabalho de campo faz uma diferença real. Mais de duzentos colaboradores estiveram envolvidos na recolha e validação de corpora para o primeiro conjunto de línguas. Identificam vocabulário específico de cada região, resolvem diferenças de uso e sugerem equivalentes mais claros para termos modernos que podem não ter correspondência direta. Esta abordagem de humano no circuito mantém os modelos ancorados na fala real da comunidade e não apenas no uso formal ou académico. O projeto está a ser promovido nos distritos tribais através de campanhas de liderança e formação, para que escolas, profissionais de saúde e autoridades locais possam adotá-lo rapidamente.

Progresso, precisão e limites atuais

A versão beta é um primeiro passo e a precisão ainda varia. Utilizadores iniciais referiram que as traduções em gondi podem falhar o alvo, especialmente com frases mais longas ou conceitos abstratos. As equipas estão a ajustar os modelos com dados novos e feedback dos utilizadores para colmatar essas lacunas. À medida que chega mais material, a qualidade deve aumentar, mas a revisão cuidada continuará essencial para documentos oficiais e comunicação de alto risco a curto prazo.

Outra restrição técnica é a variação. Cada língua tem formas regionais. O santali, por exemplo, apresenta diferenças entre Jharkhand, Odisha e Bengala Ocidental. O gondi abrange vários estados com uso distinto. A versão atual suporta geralmente uma forma padrão por língua. A expansão para variantes regionais exigirá mais dados, mais revisores e suporte de escritura onde necessário. Algumas línguas usam escrituras diferentes em diferentes regiões, o que afeta teclados, tipos de letra e o desempenho do OCR e do texto para fala. Garantir que a aplicação consegue lidar com essas variações será um teste-chave da sua utilidade para além dos primeiros utilizadores.

Por fim, a avaliação tem de equilibrar velocidade e confiança. As pontuações automáticas oferecem uma imagem rápida da qualidade, mas não podem julgar o matiz cultural nem a adequação dos termos num contexto local. Os ciclos de feedback que envolvem professores, mais velhos e jovens falantes são a melhor forma de detetar formulações desajeitadas e preservar o estilo e o ritmo que tornam cada língua distinta.

Salas de aula, clínicas e governação local

A educação baseada na língua materna é uma das razões mais fortes deste projeto. Os alunos aprendem mais depressa quando as novas ideias chegam numa língua que já falam em casa. Com a Adi Vaani, um professor pode traduzir notas do quadro para santali ou bhili em tempo real, ou ler um parágrafo de ciência em voz alta numa voz local. As escolas podem preparar fichas bilíngues para que os alunos adquiram conhecimentos sem perder a familiaridade com a sua língua nativa. Com o tempo, esta abordagem ajuda os alunos a transitar para línguas adicionais sem sacrificar a compreensão inicial.

A comunicação em saúde é outro canal vital. Os trabalhadores de saúde comunitária muitas vezes precisam de explicar sintomas, prescrições e avisos em locais onde os níveis de literacia e as barreiras linguísticas podem colidir. As ferramentas de texto para fala e fala para texto podem transformar um aviso impresso num clipe de voz claro numa língua tribal. O OCR pode tornar cartazes e folhetos antigos pesquisáveis e traduzíveis. Em emergências, mensagens simples e precisas na língua em que as pessoas confiam podem salvar vidas.

A governação local beneficia da claridade. Muitos serviços exigem que as pessoas compreendam regras de elegibilidade, listas de documentos e prazos. Traduzir formulários, avisos e anúncios para línguas nativas reduz a confusão e melhora a adesão. As reuniões de aldeia podem usar a aplicação para legendar discursos ou fornecer resumos rápidos. Os agricultores podem acompanhar o clima, os preços do mercado ou os avisos de saúde do solo sem depender de um intermediário para interpretar cada linha.

Preservação da cultura e do conhecimento

As línguas carregam contos, canções, rituais e conhecimento ecológico. Grande parte desse património vive na memória e nas performances em vez de em livros impressos. Se a língua recua, o conhecimento recua com ela. A Adi Vaani pode suportar um fluxo de trabalho de preservação básico. As palavras de um contador de histórias podem ser gravadas, transcritas, traduzidas e armazenadas com metadados. As mesmas ferramentas podem ajudar a digitalizar manuscritos, crónicas de aldeia e roteiros de teatro popular que existem apenas como imagens digitalizadas.

O portal da plataforma reúne este material de forma acessível. Alberga dicionários, manuais para aprendizes iniciais e conjuntos selecionados, como conteúdos de sensibilização para a saúde e traduções de discursos nacionais. Estes recursos ajudam as comunidades a ver as suas línguas em contextos modernos e fornecem um ponto de entrada para os jovens utilizadores que passam grande parte do tempo nos telemóveis. Para além das ferramentas de alta tecnologia, continua a ser necessário desbloquear coleções mais antigas. Por exemplo, uma importante obra enciclopédica sobre a comunidade munda existe principalmente como páginas digitalizadas. Transformar tais arquivos em texto digital pesquisável complementaria o esforço de tradução e tornaria a investigação mais rápida tanto para professores como para alunos.

O contexto político

O lançamento assenta num esforço mais amplo para construir infraestruturas linguísticas digitais. Nos últimos anos, programas nacionais financiaram a recolha de dados e o treino de modelos para línguas indianas com pouca presença online. Estes esforços centram-se na construção de conjuntos de dados, na padronização da transliteração e na disponibilização de ferramentas que qualquer pessoa possa usar na educação, saúde e serviço público. A aplicação de tradução alinha-se com iniciativas que visam entregar os esquemas do governo na última milha e promover a unidade entre regiões através do respeito linguístico.

Há um argumento de governação e um argumento de equidade. Quando os serviços chegam numa língua que as pessoas entendem, os resultados melhoram. Os alunos persistem na escola a taxas mais elevadas. Os doentes seguem os planos de tratamento com menos erros. Os cidadãos submetem formulários a tempo e requerem benefícios sem visitas repetidas. Ao trazer as línguas tribais para o mainstream digital, o projeto pode reduzir fricções e ajudar os programas públicos a chegar às pessoas para quem foram concebidos.

O lugar da Índia nos esforços globais

A perda de línguas é uma preocupação global. Milhares de línguas são faladas em todo o mundo, e muitas correm o risco de desaparecer neste século. Organismos internacionais apelaram a ação urgente para proteger as línguas indígenas e promover o seu uso na educação e na vida pública. A IA pode ajudar, mas tem de ser construída com o consentimento da comunidade, governação local e foco na precisão cultural. Se uma ferramenta ignora modismos ou impõe vocabulário externo, pode corroer a confiança. Se centrar revisores comunitários e oferecer uma forma fácil de corrigir erros, pode reforçar a confiança e melhorar rapidamente.

Existem exemplos bem-sucedidos de onde aprender. Grupos de médias e investigação indígenas em lugares como a Nova Zelândia demonstraram como conjuntos de dados de propriedade comunitária e licenciamento cuidado protegem os direitos linguísticos ao mesmo tempo que permitem ferramentas modernas. A sua experiência mostra que a gestão de dados importa tanto quanto a arquitetura dos modelos. A abordagem da Adi Vaani, que depende de falantes nativos e institutos de investigação estaduais para curar dados e validar o resultado, segue esse padrão num contexto indiano.

O que observar na próxima fase

Duas expansões já estão no roadmap. O kui e o garo são adições planeadas, e a equipa trabalha num suporte mais forte para escrituras e variantes regionais dentro das línguas existentes. A aplicação está ativa no Android e utilizável através de um portal web governamental, com melhorias na experiência do utilizador e na acessibilidade previstas à medida que a adoção cresce. Um melhor suporte offline e modelos mais leves ajudarão em áreas com conectividade limitada, uma restrição comum em distritos remotos.

Outro eixo é profundidade em vez de amplitude. Mais vocabulário para escolas, agricultura e saúde tornará a ferramenta prática para necessidades diárias. Glossários que expliquem termos técnicos com exemplos simples podem ajudar alunos e trabalhadores de primeira linha. Concursos comunitários que convidem os jovens a gravar e traduzir contos populares podem aumentar rapidamente os dados de treino mantendo a propriedade nas mãos dos falantes. Associar-se a escolas de formação de professores e escolas de enfermagem pode disseminar o uso em grande escala.

Existe também um objetivo de investigação a longo prazo. Os líderes do projeto descreveram a Adi Vaani como a fundação para futuros grandes modelos de linguagem centrados em línguas tribais. Chegar a esse ponto exigirá conjuntos de dados muito maiores e mais limpos ao longo de texto e fala e um quadro claro para consentimento, privacidade e partilha de benefícios. Se essas peças se juntarem, a Índia poderia demonstrar um modelo de IA inclusiva que outros países multilíngues pudessem adaptar.

Pontos-chave

• A Adi Vaani é um novo tradutor de IA focado em línguas tribais, lançado em versão beta a 1 de setembro de 2025.
• A primeira versão suporta santali, mundari, bhili e gondi, com o kui e o garo em desenvolvimento.
• A plataforma oferece tradução de texto e fala, texto para fala, fala para texto e OCR, juntamente com dicionários e manuais.
• Falantes nativos, professores e Institutos de Investigação Tribal contribuem com dados e validam o resultado para melhorar a precisão.
• A precisão está em evolução, com desafios na variação de dialetos e conjuntos de dados limitados para línguas com poucos recursos.
• Educação, saúde e serviços públicos são casos de uso prioritários, visando reduzir barreiras linguísticas e melhorar resultados.
• A digitalização do folclore e dos arquivos comunitários é um objetivo paralelo para preservar o património cultural vivo.
• O projeto alinha-se com programas nacionais de digitalização e inclusão e reflete apelos globais para proteger as línguas indígenas.