Definição do projeto
Idioma e variante regional, domínio, volume, formatos de arquivo e metadados, exigências de consentimento e os critérios de aceite que decidem se um lote é aprovado.
Capacidade especialista
Dados linguísticos coletados sob condições que você consegue reproduzir
Ao lado do nosso trabalho com sistemas de IA e conteúdo, a Codelab conduz projetos de dados linguísticos e de fala de ponta a ponta: definição, coleta, transcrição, anotação, uma etapa de revisão independente e entrega estruturada. A consistência é o que torna esses dados utilizáveis — o mesmo protocolo, as mesmas convenções, aplicados a cada item de um lote.
Ciclo de vida
O que envolve um projeto de dados
Nem todo projeto precisa de todas as etapas — mas toda etapa que acontece é escrita antes.
Recrutamento e coordenação
Identificar e coordenar participantes ou fontes que atendam à especificação — variedade regional, faixa etária, equilíbrio de gênero ou familiaridade com o domínio, conforme o projeto definir.
Coleta
Captura sob condições controladas e repetíveis, seguindo os estímulos, o protocolo e os limiares de qualidade acordados.
Transcrição e anotação
Transcrição, segmentação e rotulagem conforme suas diretrizes, com um manual de estilo documentado para que a saída permaneça consistente em todo o lote.
Validação e controle de qualidade
Uma etapa de revisão separada, avaliada com base nos critérios de aceite. As falhas são corrigidas na origem e verificadas novamente, em vez de anotadas como exceções.
Entrega estruturada
Estrutura de diretórios acordada, convenção de nomes, metadados e um documento curto descrevendo o que foi produzido, como, e quaisquer limitações conhecidas.
Coleta
O que podemos coletar
Fala roteirizada
Leituras guiadas a partir de um roteiro fornecido ou escrito em conjunto — útil quando você precisa de cobertura fonética controlada, vocabulário específico ou enunciados comparáveis entre falantes.
Fala espontânea e conversacional
Respostas não roteirizadas, conversa guiada ou diálogo baseado em tarefas, quando o modelo precisa de ritmo natural, hesitação e alternância de turnos em vez de prosa lida.
Coordenação de participantes
Recrutar e agendar falantes conforme a especificação, e manter a composição do lote consistente com o que foi acordado.
Ambientes de captura
Ambientes de coleta controlados, incluindo instalações parceiras quando o projeto exigir. A Codelab não opera estúdio de gravação próprio; quando um projeto precisa de condições de estúdio, providenciamos o acesso e informamos isso com clareza no plano.
Transcrição e anotação
Convenções consistentes, aplicadas a todo o lote
A qualidade da transcrição é, em grande parte, uma questão de tomar a mesma decisão da mesma forma todas as vezes. Acordamos as convenções no início e as documentamos.
- Transcrição literal ou editada, conforme especificado
- Segmentação e marcação de tempo segundo suas regras de intervalo
- Identificação de falantes e limites de turno
- Marcação de disfluências, ruídos e trechos inaudíveis
- Convenções de números, maiúsculas e pontuação fixadas por escrito
- Listas de vocabulário do domínio acordadas antes da produção
Controle de qualidade
Uma etapa de revisão separada, não uma autoconferência
O revisor não é a pessoa que produziu o item. A revisão é avaliada com base nos critérios de aceite escritos, e as correções voltam para a origem.
-
01
Lote piloto
Uma primeira execução pequena para expor ambiguidades nas diretrizes antes de começar a produção em volume.
-
02
Fechamento das diretrizes
Convenções e casos limite são resolvidos e escritos depois de o piloto ser revisado em conjunto.
-
03
Produção
Produção em lote conforme as diretrizes fechadas, com as dúvidas registradas em vez de improvisadas.
-
04
Revisão independente
Uma segunda etapa verifica qualidade de áudio, precisão da transcrição, marcação e completude dos metadados.
-
05
Correção e aceite
As falhas são corrigidas na origem, verificadas novamente e então entregues com um registro do que mudou.
Idiomas
Capacidade regional
A Codelab é uma empresa brasileira e atende clientes internacionais. O português brasileiro é a variante com que trabalhamos habitualmente. A comunicação do projeto, a documentação e as notas de entrega podem ser em português ou em inglês, conforme a preferência do cliente.
- Português brasileiro
- Outras variantes por projeto
- Comunicação em português ou inglês
Outras variantes latino-americanas são avaliadas projeto a projeto, e não oferecidas como cobertura permanente. Diga qual variante você precisa e diremos com clareza se conseguimos recrutar os participantes adequados, em vez de aceitar um trabalho que não conseguiríamos entregar no padrão.
Comece um projeto
Precisa de dados de fala coletados, transcritos ou verificados?
Informe o idioma ou a variante regional, o número de horas ou enunciados e as convenções de transcrição adotadas. Se esses detalhes ainda estiverem sendo definidos, descreva o modelo e proporemos uma especificação.