🤟 LibraVoice

Sistema de tradução de Libras para voz desenvolvido em Python

📌 Sumário

1. Sobre o Projeto
2. Objetivos
3. Tecnologias
4. Funcionalidades
5. Pré-requisitos
6. Instalação
7. Como utilizar
8. Estrutura do Projeto
9. Contribuição
10. Licença
11. Contato
12. Recursos Adicionais

💻 Sobre o Projeto

O LibraVoice é um projeto de extensão acadêmica que utiliza visão computacional e processamento de linguagem natural para criar uma ponte comunicacional entre pessoas surdas e ouvintes

• Motivação: Carência social de sistemas faciliadores de comunicação
• Público-alvo: Bancada Avaliativa, Estudantes de Programação, Comunidade de Desenvolvimento e PCDs
• Problema resolvido: Barreira de comunicação entre surdos e ouvintes
• Diferencial: Conversão simultânea para texto e voz
• Metodologia: Desenvolvimento ágil com Scrum

🎯 Objetivos

🛠️ Técnicos

• Desenvolver sistema de reconhecimento de gestos em tempo real
• Implementar pipeline completo: gesto → texto → voz
• Alcançar precisão mínima de 85% na detecção

📚 Acadêmicos

• Aplicar conceitos de visão computacional e IA
• Implementar metodologias ágeis na prática
• Documentar processo de desenvolvimento

🌍 Sociais

• Promover inclusão de pessoas com deficiência auditiva
• Facilitar acesso a serviços básicos e educação
• Impactar inicialmente 20-30 usuários

🚀 Tecnologias

Núcleo do Sistema

• Python
• Matplotlib
• Tensorflow
• MediaPipe
• Joblib

Processamento de Imagem

• OpenCV
• Pillow
• Numpy

✨ Funcionalidades

• ✅ Reconhecimento de Libras: Captura de gestos via câmera e conversão em tempo real para texto em tempo real.
• ✅ Conversão Texto-Áudio (TTS): Transformação do texto reconhecido em fala, permitindo a comunicação auditiva.
• ✅ Scripts de Coleta de Dados: Ferramentas para a coleta e preparação de dados, essenciais para o treinamento e aprimoramento dos modelos de IA.
• ✅ Modelos de IA Pré-treinados: Utilização de dados estáticos e dinâmicos para garantir o funcionamento preciso da inteligência artificial.
• ✅ Scripts de Treinamento de Modelo: Ferramentas para a geração e atualização dos modelos de IA (model.pkl, sequence_model.h5, label_map.npy).

⚙️ Pré-requisitos

Para executar o projeto localmente, você precisará de:

• Python: Uma versão compatível (recomenda-se a versão 3.9.9 ou mais recente).
• Câmera: Uma câmera funcional conectada ao seu computador para a captura de gestos.
• Bibliotecas Python: Todas as dependências listadas no requirements.txt.
• Uma IDE (Visual Studio Code, PyCharm, etc.) para desenvolvimento e execução.
• Armazenamento livre mínimo: 4GB+ RAM e 2GB+ disco

🛠️ Instalação

1. Clone o repositório:

git clone https://github.com/seu-usuario/LibraVoice.git

2. Navegue até o diretório do projeto:

cd LibraVoice

3. (Opcional recomendável) Crie e ative um ambiente virtual:

É altamente recomendado usar um ambiente virtual para gerenciar as dependências.

# No Windows
python -m venv venv
.\venv\Scripts\activate
# ou # No macOS/Linux
source venv/bin/activate

4. Instale as dependências:

pip install -r requirements.txt

❗ Como Utilizar

1. Inicie o programa:

python app/main.py

2. Interaja com a câmera: Posicione-se em frente à câmera para que o sistema possa capturar seus gestos em Libras.

3. Observe a tradução: O sistema exibirá a tradução em texto e reproduzirá a resposta em áudio, utilizando inteligência artificial.

Ps: Apenas algumas Letras do alfabeto foram treinadas nesse modelo. (L,U,C,A,S,J,W)

▶️ Demonstração

(GIF meramente ilustrativo)

📂 Estrutura do Projeto

LibraVoice/
├── app/                    # Contém a lógica principal do software
│   ├── data_collector...py # Scripts para coleta de dados de treinamento
│   ├── tts.py              # Script para conversão de texto para áudio (Text-to-Speech)
│   └── main.py             # Script principal: captura imagem, converte para texto e gera áudio
├── datasets/               # Armazena dados utilizados pelos modelos
│   ├── data/               # Dados pré-treinados estáticos
│   └── data-seq/           # Dados pré-treinados dinâmicos
├── models/                 # Contém os scripts e arquivos dos modelos de IA
│   ├── model.py            # Script de treinamento do modelo principal
│   ├── train_sequence_model.py # Script de treinamento do modelo de sequência
│   └── (arquivos de modelo gerados: model.pkl, sequence_model.h5, label_map.npy)
├── .gitignore              # Arquivo de ignorar para controle de versão
├── LICENSE                 # Licença MIT
├── README.md               # Este arquivo
└── requirements.txt        # Lista de bibliotecas Python utilizadas

🤝 Contribuição

Contribuições são bem-vindas! Siga estas etapas:

1. Reporte bugs: Abra uma issue no GitHub.
2. Sugira melhorias: Envie ideias ou pull requests com novas funcionalidades.
3. Desenvolva:

• Faça um fork do projeto.
• Crie uma branch (git checkout -b feature/nova-funcionalidade).
• Envie um Pull Request.

📜 Licença

Distribuído sob licença MIT. Veja LICENSE para mais informações.

📞 Contato

• Autor: Lucas Leria
• LinkedIn: lucasgleria

🔎 Recursos Adicionais

• Documentação TensorFlow
• Soluções MediaPipe
• OpenCV para Python
• Artigo do Projeto

Projeto acadêmico desenvolvido como trabalho de extensão da Estácio