Glossário
A detecção de fim é a detecção em tempo real de quando um falante terminou uma fala. É o gatilho que diz a um assistente de voz "OK, o usuário terminou, envie o pedido" ou a um sistema de legendas ao vivo "finalize esta legenda agora." Parece simples — na verdade, é difícil. Humanos fazem pausas no meio da frase para pensar, respirar, procurar palavras. Cortá-los parece rude; esperar muito parece lento. Uma boa detecção de fim é a diferença entre a Siri parecer responsiva e a Siri parecer quebrada.
Detecção de fim ingênua vs inteligente
Ingênuo: acionar após N milissegundos de silêncio (típico: 500-800 ms). Corta falantes lentos e pessoas que fazem pausas para pensar. Inteligente: combinar detecção de silêncio com um modelo neural que prevê "essa declaração está completa?" com base na sintaxe, contorno de pitch (pitch descendente = fim da declaração, ascendente = pergunta) e sinais lexicais ("...a resposta é" = esperando mais).
Detecção de fim vs VAD
VAD responde "esse quadro é fala ou silêncio?" — classificação binária em nível de quadro. Detecção de fim de fala responde "o usuário terminou sua fala?" — semântica, dependente de contexto. Eles estão relacionados, mas são separados. VAD é um bloco de construção da detecção de fim de fala; você precisa dos dois para ASR ao vivo em produção.
Por que a transcrição em lote não precisa disso
A transcrição em lote (upload de arquivo) tem todo o áudio de uma vez — não há necessidade de prever quando a fala termina. A detecção de fim é uma preocupação exclusiva de streaming em tempo real. Somos um serviço em lote, então a detecção de fim não faz parte do nosso pipeline. Se você está integrando legendas ao vivo ou construindo um assistente de voz, precisará de um sistema ASR de streaming com detecção de fim embutida.
Na prática
Você pergunta à Siri "Qual é o tempo—" então pausa para formular o resto. A detecção de fim ingênua dispara após 500 ms e a Siri responde com o tempo atual (local errado). A detecção de fim inteligente percebe que a queda de pitch não era final de sentença e que a palavra "tempo" geralmente leva um modificador — espera mais um segundo e obtém seu "Qual é o tempo em Tóquio amanhã?" completo.
Termos relacionados
Veja transcrição em lote
Comece — grátisÚltima atualização: 9 de novembro de 2026
Perguntas Frequentes
O que Detecção de fim significa na transcrição?
Detecção em tempo real de quando um usuário parou de falar — o gatilho para finalizar legendas ao vivo ou enviar resultados de ditado para sistemas a jusante.
Por que Detecção de fim importa ao escolher um fluxo de trabalho de transcrição?
Detecção de fim afeta como você entende a qualidade da transcrição, o tempo, a compatibilidade ou a tecnologia por trás dos resultados de conversão de fala em texto.
Onde posso aplicar Detecção de fim no Transcript.you?
Use o fluxo de trabalho relacionado em /ai-transcription quando você quer ver como esse conceito de glossário se conecta a uma tarefa real de transcrição.
Navegue pelo glossário de transcrição ou leia o guia completo sobre transcrição por IA.