ARQUITETURA HÍBRIDA PARA TRADUÇÃO AUTOMÁTICA DE PORTUGUÊS BRASILEIRO PARA LIBRAS EM CONTEXTO EDUCACIONAL: UMA ABORDAGEM BASEADA EM SEQ2SEQ, DICIONÁRIO DE MAPEAMENTOS E WORD EMBEDDINGS

Este artigo apresenta a arquitetura híbrida desenvolvida para um sistema de tradução automática de português brasileiro para glossa da Língua Brasileira de Sinais (Libras), voltado ao suporte de alunos surdos em salas de aula regulares. A abordagem combina três estratégias complementares de tradução: (i) um modelo neural Sequence-to-Sequence (Seq2Seq) com redes Long Short-Term Memory (LSTM), treinado sobre corpus proprietário de 800 pares de sentenças; (ii) um dicionário de mapeamentos diretos com aproximadamente 500 entradas de alta precisão; e (iii) word embeddings treinados com a biblioteca Gensim para tratamento de tokens fora do vocabulário (OOV). A integração é gerenciada por uma camada de orquestração baseada no padrão Strategy, viabilizando a seleção dinâmica da melhor estratégia para cada sentença. O sistema incorpora ainda reconhecimento automático de fala offline (motor Vosk) e comunicação assíncrona via WebSocket, atingindo latência total de 150–350 ms e suporte a 10 sessões simultâneas. Os resultados indicam acurácia de 95% para sentenças presentes no corpus de treinamento e 33% para sentenças inéditas, com confiança de tradução entre 80 e 95%. O trabalho valida a viabilidade técnica da abordagem e aponta a expansão do corpus e a adoção de arquiteturas Transformer como direções prioritárias de evolução.