NextATC Unicom

Guia do NextATCAjuda e FAQ do NextATC

Funcionalidades de IA e LLM

Reconhecimento de voz experimental e variação de frases com Gemini

O NextATC usa actualmente IA em duas áreas separadas: entrada por voz e variação opcional de diálogos. Ambas são experimentais. Servem para tornar a rádio menos repetitiva e mais natural, não para substituir a lógica ATC normal.

A regra importante é simples: o NextATC continua a decidir a autorização, a pista, a altitude, a frequência, a rota, a instrução de táxi, o estado do tráfego e a fase do voo. A IA pode ajudar a reconhecer o que diz, ou a reformular uma mensagem ATC já preparada. Não é um chatbot livre e não é um controlador autónomo.

Estado experimental#

As opções relacionadas estão marcadas como experimentais:

  • AI Push-to-Talk Recognition (Experimental) para a entrada de voz.
  • Dialog Generation and A.I. (Experimental) para o texto ATC gerado.
  • AI - Gemini (Cloud, Experimental) para a variação de frases por LLM na cloud.

Experimental significa que os resultados podem variar conforme o microfone, o sotaque, o ruído do cockpit, a ligação à internet, a disponibilidade do modelo, os limites da API e a mensagem exacta que está a ser gerada. Se algo soar mal, for demasiado lento ou não parecer fiável, desligue a funcionalidade e use os botões do Radio Log. O voo continua com a fraseologia integrada padrão.

Para que o NextATC usa IA hoje#

O NextATC tem duas funcionalidades assistidas por IA:

  • Push-to-Talk Recognition escuta o microfone e tenta transformar o seu readback ou acção de rádio em texto.
  • Dialog Generation and A.I. pede a um LLM que reescreva algumas mensagens ATC para que não soem sempre iguais.

Estes sistemas são independentes. Pode usar reconhecimento de voz sem Gemini, Gemini sem reconhecimento de voz, ambos em conjunto ou nenhum deles.

Reconhecimento Push-to-Talk#

O reconhecimento Push-to-Talk é speech-to-text, não uma conversa com um LLM. Atribua o comando NextATC/voice_push_to_talk, prima-o ou use-o em modo toggle, e diga o readback ou a escolha de rádio actual. O NextATC transcreve o áudio, mostra uma pré-visualização no Radio Log e verifica se o conteúdo operacional importante corresponde ao que o ATC espera.

Por exemplo, indicativo, pista, squawk, rumo, altitude, frequência e nomes de procedimentos são importantes. Não precisa de dizer todas as palavras exactamente como o botão, mas os números e nomes principais têm de estar presentes e reconhecíveis.

Existem dois modos de utilização:

  • Hold-to-Talk: mantenha a tecla PTT premida enquanto fala, depois solte-a. É o modo predefinido e o mais parecido com uma rádio real.
  • Toggle Talk: prima uma vez para iniciar a escuta e outra vez para terminar. É útil se o botão atribuído for difícil de manter premido. O auto-toggle guiado também pode iniciar e terminar a escuta em prompts suportados.

Modelos Push-to-Talk#

A janela Options lista vários modelos de reconhecimento. Trate Whisper Base English como a base prática actual.

  • Whisper Base English (cerca de 142 MB): modelo integrado estável e ponto de partida recomendado. É focado em inglês e costuma ser a melhor escolha para readbacks ATC padrão.
  • Whisper Small English (cerca de 466 MB): modelo Whisper integrado maior, com melhor reconhecimento em troca de mais espaço em disco e transcrição mais lenta.
  • Whisper Medium English (cerca de 1,46 GB): a opção integrada mais precisa para PCs de consumo rápidos.

Para transcrição local, só são oferecidos estes tamanhos de modelos Whisper integrados. O inglês é a predefinição. Modelos multilingues muda o tamanho selecionado para uma variante Whisper multilingue descarregada separadamente e deixa o Whisper detetar automaticamente a língua falada. Use-a para nomes próprios ou pronúncias locais não inglesas, não para alterar a interação ATC: o texto de readback esperado pelo NextATC continua a ser em inglês. Se um modelo maior for demasiado lento ou menos fiável, volte para Whisper Base English.

Geração de diálogos com Gemini#

O Gemini é usado apenas para gerar texto. Não escuta o seu microfone e não decide que autorização ou instrução recebe. Quando AI - Gemini está seleccionado e existe uma chave API configurada, o NextATC envia um pedido curto de texto com a mensagem a reformular e os detalhes aeronáuticos necessários para preservar os mesmos factos. O botão Modelo em Opções permite-lhe escolher entre Gemini Flash e Gemini Flash-Lite; o NextATC usa sempre a versão mais recente do modelo escolhido publicada pela Google.

O Gemini tenta então criar uma formulação diferente da mesma mensagem ATC. O objectivo é a variação: aberturas diferentes, cadência ligeiramente diferente e menos repetição em sessões longas. Rota, pista, squawk, altitude, frequência e outros elementos operacionais têm de permanecer iguais.

A frase integrada continua a ser a referência. Se o Gemini estiver desligado, indisponível, demasiado lento, devolver texto vazio ou produzir uma frase que falhe a validação, o NextATC volta à mensagem integrada.

O botão Gemini variation em Options percorre quatro estilos experimentais de inferência. Use-o para comparar como o Gemini reescreve o mesmo tipo de mensagem ATC: mais conservador, mais variado, mais resistente a copiar o template ou mais guiado por exemplos. Muda apenas o estilo da frase; não muda as decisões ATC.

Modelos LLM locais#

Podem aparecer entradas locais em Options como AI - <model> (Local paused, Experimental). Nas builds normais estão listadas mas pausadas. Não são o caminho recomendado para os utilizadores actuais. Use o modo integrado NextATC para fraseologia rigorosa e previsível, ou Gemini se quiser testar variação cloud.

O que esperar#

A geração de frases por IA pode tornar a rádio mais viva, mas também pode ser conservadora, subtil ou ocasionalmente incorrecta. Mesmo com validação, uma linha gerada pode soar estranha, perder uma nuance ou escolher uma formulação de que não gosta. Se quiser a experiência mais previsível, deixe a geração de diálogos no modo integrado NextATC.

Para reconhecimento de voz, os melhores resultados vêm de um headset com microfone, cockpit silencioso, readbacks curtos e dígitos pronunciados com clareza. Mantenha sempre o Radio Log visível durante testes. Os botões Readback e Say Again com o rato continuam a ser o fallback fiável.

Ver também#