A mesclagem de texto é a ideia central do LingoBlend: cole qualquer texto no seu idioma, e uma porcentagem escolhida das suas palavras volta no idioma que você está aprendendo, tecida em frases que você já entende — o método diglot weave com uma IA fazendo a tecelagem. Por dois anos, uma única chamada de IA fazia tudo: lia o seu texto, decidia quais palavras traduzir, traduzia e reescrevia a passagem inteira. Funcionava — mas empacotava três tarefas bem diferentes em uma só, e cada uma merecia um especialista melhor.
O problema de deixar uma única etapa de IA fazer tudo#
Quando a saída de um único modelo carrega o texto mesclado inteiro, três coisas competem em silêncio:
Seleção é uma questão de política, não de idioma. Quais palavras deveriam ser mescladas depende de coisas que a IA não tem como saber só pelo texto — quais palavras você já domina, quais estão prontas para revisão, quão uniformemente o blend deveria se espalhar pela página. Um modelo de linguagem chuta; um seletor que controlamos simplesmente pode ser instruído.
Reescrever o texto inteiro convida a erros no texto inteiro. Se o modelo reescreve cada palavra do seu documento, cada palavra é uma oportunidade de erro — uma frase perdida, um trecho duplicado, uma tradução colada no lugar errado. O nosso pipeline antigo carregava uma cadeia inteira de etapas de reparo que existiam basicamente para consertar danos que essa arquitetura tornava possíveis.
O julgamento se dilui. A verdadeira habilidade linguística do modelo — saber que “gave up” é uma única unidade de sentido, que “I would love” precisa virar me encantaría com o pronome reestruturado — era gasta lado a lado com um trabalho de contabilidade que nunca deveria ter sido dele.
A nova divisão de trabalho#
O Blend Engine v2 divide a tarefa na sua costura natural:
| Tarefa | Motor antigo | Motor novo |
|---|---|---|
| Escolher quais palavras mesclar | IA, na mesma etapa | Seletor próprio do LingoBlend, informado pelo grafo de vocabulário e pelo seu domínio pessoal |
| Traduzir em contexto | IA | IA — com o texto completo como contexto, sem mudanças |
| Lidar com expressões idiomáticas e fixas | Implícito, inconsistente | Explícito: a expressão inteira, ou nada |
| Montar o texto final | A IA reescreve tudo | O seu texto original permanece intacto; só as palavras escolhidas mudam |
| Pegar erros | Reparos feitos depois | Verificado contra a fonte antes de aparecer |
Como a seleção agora é nossa, ela segue princípios que conseguimos de fato declarar e testar: escolher vocabulário que realmente vale a pena aprender, espalhá-lo por todo o texto em vez de aglomerá-lo no primeiro parágrafo e — com a personalização — pular o que você já domina. O trabalho da IA se estreita para a única coisa em que ela é realmente boa: traduzir essas palavras corretamente no contexto do seu texto completo.
Por que uma tarefa menor deixou a IA mais inteligente#
Aqui está a parte contraintuitiva. Dar à IA uma tarefa mais estreita deixou a saída melhor, porque finalmente conseguimos ser explícitos sobre o julgamento linguístico que queremos dela:
- Expressões idiomáticas e fixas voltam inteiras. Se uma palavra escolhida está dentro de uma expressão idiomática, um phrasal verb ou uma expressão fixa, a expressão inteira é traduzida — “kicked” dentro de “kicked the bucket” volta como a expressão idiomática completa, e tocar nela no leitor salva a forma de dicionário da expressão, que é o que realmente vale a pena aprender.
- Traduções naturais levam os vizinhos junto. Quando a tradução certa engole as palavras ao redor, elas vão junto. “Write to me” vira Escríbeme como uma única unidade — nunca Escríbeme com um “to me” abandonado atrás.
- Palavras que não se traduzem bem são deixadas de lado. Um nome, um jogo de palavras, uma palavra cuja tradução isolada enganaria — melhor não traduzida do que errada. Uma palavra não traduzida não custa nada; uma tradução errada te ensina algo falso.
No benchmark que mais importava para nós — 93 frases-armadilha contendo expressões idiomáticas, phrasal verbs e verbos separáveis nos 17 idiomas de origem — o novo motor expandiu 65 delas em traduções corretas de expressão completa, contra 21 do motor antigo. Pares entre idiomas diferentes produziram alguns dos melhores resultados: o francês posé un lapin traduzido para o alemão como sitzen gelassen (deixou esperando), enquanto o motor antigo oferecia Kaninchen — um coelho literal.
Verificado antes de você ver#
Como o texto final não é mais escrito por um modelo, podemos garantir propriedades que o motor antigo só podia esperar alcançar: cada caractere do seu texto original sobrevive, cada tradução pousa exatamente onde a palavra de origem estava, e uma família inteira de erros sutis — “traduções” ecoadas ou repetidas, gramática marcada duas vezes por acidente nos dois idiomas — é capturada antes de aparecer na tela. Se uma palavra falha na verificação, ela simplesmente permanece sem tradução — o modo de falha é invisível em vez de constrangedor.
Um benefício a mais veio de graça: velocidade. Como a IA não gera mais o seu documento inteiro — só as palavras traduzidas — os blends terminam em cerca da metade do tempo, com os casos mais lentos melhorando mais. O blend que antes te fazia esperar ~6 segundos agora chega em ~3.
Tudo o mais que você já conhece continua igual: toque em qualquer palavra mesclada para ver o contexto gramatical e salvar a forma base ou a forma exata que você encontrou, mescle de novo qualquer texto em uma nova porcentagem e leia no mesmo leitor paginado.