Proposta de um sistema de transcrição baseado em large language model para geração de atas

Abstract

O crescimento do uso de plataformas de videoconferência em ambientes institucionais e organizacionais intensificou a necessidade de soluções que automatizem o registro formal de reuniões. A elaboração manual de atas demanda tempo considerável e está sujeita a inconsistências decorrentes de falhas humanas, comprometendo a confiabilidade e a padronização documental. Este trabalho propõe um sistema integrado de transcrição automática e aprimoramento textual voltado à geração automatizada de atas de reuniões em língua portuguesa brasileira. A arquitetura do sistema é composta por três etapas principais: pré-processamento do sinal de áudio com supressão de ruído e conversão para o formato WAV; transcrição automática utilizando o modelo Whisper da OpenAI, executado localmente; e refinamento textual assistido pelo modelo de linguagem de grande escala DeepSeek-R1, acessado via API, por meio de técnicas de engenharia de prompt. O sistema foi implementado como uma API REST utilizando Python e o framework Django REST framework, com interface desenvolvida em React. Para validação experimental, foram utilizados vídeos de reuniões administrativas públicas da UFERSA, o desempenho dos modelos de transcrição foram avaliados pela métrica Word Error Rate (WER), enquanto a qualidade do refinamento textual foi medida pelas métricas ROUGE-L, SBERT e Perplexity. Os resultados indicaram que o modelo Whisper turbo obteve o melhor desempenho, com WER médio de 0,178, enquanto a estratégia de Engenharia de Prompt Automático (APE - Automatic Prompt Engineering) superou a abordagem few-shot no refinamento textual, alcançando ROUGE-L médio de 0,67 e SBERT de 0,95. O sistema demonstrou capacidade de corrigir erros ortográficos e gramaticais, remover disfluências típicas da fala espontânea e estruturar o conteúdo em formato documental adequado ao padrão institucional de atas, sendo disponibilizado ao usuário final como documento DOCX.