Como parte de uma cobertura linguística muito mais ampla, a GeoPoll fornece conjuntos de dados de áudio em português, pré-rotulados e de alta qualidade, desenvolvidos especificamente para o treinamento de modelos de inteligência artificial. Diferente de conjuntos de dados sintéticos ou roteirizados, nossos dados são obtidos a partir de entrevistas telefônicas reais conduzidas com falantes nativos em vários países. Essas entrevistas são estruturadas com roteiros específicos por domínio para garantir consistência temática, ao mesmo tempo em que permitem respostas espontâneas e naturais.

Cada gravação é transcrita e diarizada por linguistas humanos fluentes nas variantes locais do português, e depois etiquetada com metadados detalhados, incluindo idade, gênero, dialeto e localização. O resultado é uma biblioteca escalável de conversas reais em português, otimizada para uso em ajuste fino de LLMs, treinamento de ASR, síntese de TTS e aplicações de IA multilíngue.