Resumidor de texto: IA, TextRank ou frequência de palavras

O que é um resumidor de texto

Um resumidor de texto pega num texto longo — um artigo, um relatório, uma transcrição — e devolve uma versão mais curta que preserva a ideia principal. Há duas formas completamente diferentes de lá chegar, e vale a pena perceber a diferença antes de escolher.

Um resumo abstrativo é escrito de novo: um modelo de inteligência artificial lê o texto e produz frases próprias, tal como uma pessoa a contar por palavras suas o que acabou de ler. Um resumo extrativo não reescreve nada — escolhe, de entre as frases que já escreveste, as que parecem mais importantes, e junta-as tal e qual. Esta ferramenta oferece as duas coisas: um modo com IA, que é o modo por omissão, e dois modos extrativos, TextRank e Frequência de palavras, que pontuam as frases de formas diferentes.

Funciona de forma nativa em cinco línguas — português, inglês, espanhol, francês e árabe —, cada uma com a sua lista de palavras vazias e uma divisão de frases consciente do Unicode, em vez de um motor inglês com as etiquetas traduzidas por cima.

Como usar

1. Cola o teu texto na caixa de texto. Nos dois modos extrativos, o resumo atualiza-se em tempo real à medida que escreves.
2. Escolhe o método e o comprimento os três botões — Resumo com IA, TextRank e Frequência de palavras — mudam a forma como as frases são escolhidas, e o cursor «Frases a manter» decide quantas ficam. No modo IA, esse número é uma instrução dada ao modelo e não uma garantia, por isso o resultado pode ter uma frase a mais ou a menos.
3. Lê o resumo e confere as estatísticas no modo IA carrega em «Resumir com IA» — cada clique chama mesmo o modelo, por isso não se atualiza sozinho. O resumo aparece num painel com botão de copiar, junto do número de frases e palavras, da percentagem em relação ao original, da linha que diz que motor o produziu e, só nos modos extrativos, do aviso de frases que perderam o contexto.

IA ou extrativo: qual escolher

Um resumo com IA lê-se melhor e comprime muito mais, porque o modelo consegue fundir três frases dispersas numa única oração fluida. Em troca, as palavras deixam de ser tuas — é o modelo a reformular o que escreveste, e reformular é sempre uma oportunidade de se afastar um pouco do original. Confirma sempre no texto de origem aquilo em que vais confiar.

Um resumo extrativo nunca te pode deturpar, porque cada frase do resultado é uma frase tua, copiada tal e qual. O preço é a leitura: fica mais parecido com uma lista de trechos sublinhados do que com um texto corrido, e tirar uma frase do sítio onde estava pode arrancá-la do contexto que a tornava percetível — por exemplo, uma frase que começa por «Isto» ou «No entanto» sem o que vinha antes. É exatamente isso que o painel «Frases que perderam o contexto» assinala, e só faz sentido nos dois modos extrativos: um resumo com IA reescreveu tudo, por isso não há frases originais para verificar.

A IA depende de um orçamento diário partilhado por todas as ferramentas de IA do site, além de um limite por pedido. Se o modelo estiver esgotado, sem orçamento ou simplesmente falhar, a página não te deixa a ver navios: usa o resumo do TextRank, que já tinha sido calculado no teu navegador, e mostra uma nota a dizer que foi isso que aconteceu. Sais sempre com um resumo.

Há também uma diferença real de privacidade. No modo IA, o texto — até 6000 carateres por pedido — é enviado ao servidor do próprio site para chamar o modelo. Nos dois modos extrativos nada sai do teu navegador, e por correrem só ali também não têm limite de carateres.

Como funcionam os dois modos extrativos

O TextRank trata cada frase do texto como um nó de um grafo e liga duas frases por uma aresta cujo peso é o quanto de vocabulário elas compartilham. Sobre esse grafo, ele roda o mesmo algoritmo do PageRank original do Google (Mihalcea e Tarau, 2004), com fator de amortecimento de 0,85: uma frase importa se as frases parecidas com ela também importam — a mesma definição circular que o PageRank usa para decidir quais páginas da web são relevantes.

A implementação do PageRank usada aqui foi conferida contra um oráculo exato, e não contra outra biblioteca: a resolução direta do mesmo sistema linear por eliminação gaussiana. A diferença ficou em 3,45e-10 ao longo de 220 grafos aleatórios, e em 3,08e-10 em grafos com frases isoladas — o caso em que a probabilidade vaza pelo grafo se a matemática estiver errada em algum ponto.

O outro método, mais antigo, é o de Luhn: cada frase recebe a média (não a soma) da frequência de suas palavras de conteúdo, depois de descartar as palavras de parada. É a média que importa: somar as frequências apenas premiaria frases longas, que acabariam sempre escolhidas só por terem mais palavras. Os dois métodos partem de ideias diferentes de “importância”, e isso aparece no resultado — em textos do tamanho de um artigo comum, TextRank e frequência de palavras escolheram frases diferentes em 6 de cada 10 casos testados. Não existe um resumo extrativo correto; existem dois métodos plausíveis que, na maioria das vezes, discordam entre si, e por isso a ferramenta deixa você alternar entre eles e comparar.

O que os modos extrativos não conseguem fazer

A diferença entre extrair e gerar é o limite mais importante desta ferramenta, e vale repetir: ela nunca escreve uma frase nova. Isso significa que ela não faz o que uma pessoa ou um modelo de linguagem fariam ao resumir de verdade — reescrever uma ideia com menos palavras, fundir dois fatos numa única frase, cortar uma oração subordinada redundante ou consertar uma frase mal escrita. Se a frase original tem 60 palavras, a frase que aparece no seu resumo também tem 60 palavras, porque é a mesma frase.

Tirar uma frase do lugar onde ela nasceu tem um efeito colateral: qualquer coisa que aponte para trás perde o alvo. “Isso confirmou o estudo.” não quer dizer nada se a frase que explicava o que era “isso” ficou de fora do resumo. É um problema que praticamente nenhum resumidor menciona — e que esta ferramenta detecta: qualquer frase do resumo que comece com um demonstrativo, um pronome de terceira pessoa ou um conectivo discursivo (Este, Isso, No entanto, Portanto, Além disso, Ele...) é sinalizada quando a frase à qual ela originalmente se referia não foi selecionada. Em textos do tamanho de um artigo, isso acontece em cerca de 20% dos casos usando o comprimento padrão — mais frequente do que se costuma imaginar.

Ela também não entende do que o texto trata: apenas mede sobreposição de vocabulário. Uma frase que reaproveita as palavras mais comuns do documento pontua bem nos dois métodos, esteja ou não carregando o ponto principal. O erro espelhado, e mais grave, é que uma informação crucial dita uma única vez, com palavras pouco repetidas no resto do texto, não compartilha vocabulário com quase nada e acaba pontuando baixo — a extração é sistematicamente ruim justamente com a frase rara e importante. Some a isso o fato de que o controle de tamanho só trabalha em frases inteiras, nunca em porcentagem: pedir exatamente 2 frases, por exemplo, pode devolver entre 41% e 76% das palavras originais, dependendo só do tamanho que essas duas frases têm.

Por fim, esta ferramenta não responde perguntas sobre o texto, não segue instruções e não escreve num tom pedido — ela apenas classifica e seleciona frases já existentes. Diálogos, listas com marcadores, tabelas e poesia quebram o modelo de frase em que ela se baseia, e resumir um texto que já é enxuto rende pouco, porque não há gordura para cortar.

Por que é gratuito

Os dois modos extrativos correm inteiramente no teu navegador — o TextRank e a Frequência de palavras não custam um cêntimo a servir, sejam dez ou dez mil resumos, porque o site nunca chega a ver o teu texto.

O modo com IA é diferente: cada clique em «Resumir com IA» chama mesmo um modelo, e isso tem um custo real. É por isso que existe um orçamento diário partilhado por todas as ferramentas de IA do site — e é exatamente a razão de existir o recurso ao TextRank quando esse orçamento se esgota: preferimos devolver-te sempre um resumo, ainda que não seja o modo que escolheste, a mostrar-te um erro. Sem conta, sem marca de água e sem pagar por nenhum dos três modos.