Ditado por Voz Aud

O Ditado por Voz Aud é uma ferramenta tecnológica, com uso intensivo de inteligência artificial, desenvolvida para permitir, em audiências, a transcrição segura e eficiente de depoimentos em texto. Após mais de 200 anos de realização de audiências judiciais com registro manual por digitação, essa funcionalidade do sistema Aud incorpora tecnologia de transcrição automática de áudio para texto (speech-to-text), permitindo a conversão automatizada dos depoimentos.

Trata-se de recurso que agiliza o registro de audiências e otimiza o uso do tempo e da força de trabalho no Judiciário. A realização de audiências com registro exclusivamente gravado tem se apresentado como um desafio em todo o Poder Judiciário. A urgência motivou o desenvolvimento de alternativas que permitam formas mais rápidas, seguras e eficientes de registro dos atos processuais.

O desenvolvimento da funcionalidade partiu do reconhecimento da necessidade de evolução na forma de preservação do conteúdo das audiências. Para alcançar melhorias nas práticas, mantendo as garantias processuais, a solução foi orientada pelos seguintes vetores:

• segurança na preservação do conteúdo dos depoimentos;
• celeridade na condução do ato processual;
• redução da carga de trabalho de juízes e servidores, em todos os graus de jurisdição;
• simplicidade de integração aos recursos existentes;
• acessibilidade a pessoas com deficiência visual e auditiva.

A pandemia de COVID-19 acelerou a adoção de audiências telepresenciais e generalizou a gravação em áudio e vídeo dos depoimentos judiciais, mas também trouxe questionamentos sobre sua continuidade e sobre as melhores formas de aproveitamento dessa experiência.

De um lado, a nova prática demonstrou que os registros audiovisuais tornaram as audiências mais céleres e os depoimentos mais espontâneos. De outro, evidenciou que a ausência de registro escrito dificulta o acesso rápido às informações, especialmente na análise em grau recursal.

A adoção de registros duplicados — audiovisual e textual — poderia atender às necessidades dos diferentes graus de jurisdição. Contudo, essa solução apresenta inconvenientes: primeiro, por demandar maior tempo na realização das audiências, com a continuidade da digitação; segundo, porque a sistemática tradicional de registro, seja em discurso direto, seja indireto, compromete a fluidez da audiência e reduz a espontaneidade dos depoimentos.

Observa-se que a prática contínua de digitação pode gerar riscos à saúde. Audiências de instrução são, em geral, longas, frequentemente realizadas sem intervalos e com grande volume de texto digitado. Além do desgaste mental, trata-se de fatores de risco para lesões por esforço repetitivo.

Diante desse cenário, tornou-se necessário o desenvolvimento de solução tecnológica que, ao integrar registros de áudio e texto, reduza a carga de trabalho dos secretários de audiência e proporcione maior celeridade, sem prejuízo da fidelidade das informações registradas.

A funcionalidade também possui relevante caráter social. Ao eliminar a necessidade de digitação contínua, contribui para a redução de riscos ocupacionais. Além disso, promove acessibilidade, permitindo tanto a leitura integral dos depoimentos por pessoas com deficiência auditiva quanto a oitiva do conteúdo por pessoas com deficiência visual ou não alfabetizadas.