tybyria-v2.2

🏳️‍🌈 TybyrIA v2.2

A TybyrIA identifica indícios de discurso de ódio contra pessoas LGBTQIA+ em comentários de redes sociais em português brasileiro.

Atualizada em 24/09/2026: modelo retreinado e revisado pela equipe.

🌱 De onde veio

É um protótipo feito por uma organização de direitos humanos, não nasceu em um laboratório de IA e sim em meio a uma onda coordenada de ódio.

Em 2024, o podcast Entre Amigues virou alvo de uma mobilização organizada de ataques anti-LGBTQIA+ que atravessou Instagram, TikTok, YouTube e X. Denunciamos às plataformas. Elas não agiram. Construímos a TybyrIA para conseguir medir com nossas próprias mãos o que elas se recusavam a reconhecer.

A anotação foi feita à mão pela própria Código Não Binário e pessoas colaboradoras. O treino rodou em computadores pessoais, com recursos limitados, doados por fundos de direitos humanos. O relatório que originou este modelo registra os "reduzidos recursos humanos, financeiros e psicológicos da organização e da equipe".

Somos uma organização de direitos humanos que ousa ser também um laboratório popular e colaborativo de IA. Publicamos o modelo, os dados e as limitações porque quem é afetado por sistemas automatizados tem direito de auditá-los, inclusive os nossos.

O nome é de Tybyra do Maranhão, primeira vítima registrada de LGBTfobia em território brasileiro.

🎯 Para que serve, e para que não serve

Serve para sinalizar textos que merecem olhar humano: pesquisa, documentação de violência e triagem de grandes volumes.

Não serve para bloquear, remover, punir ou pontuar ninguém automaticamente. Toda classificação é uma sugestão para revisão humana.

💻 Como usar

from transformers import pipeline

tybyria = pipeline("text-classification", model="Veronyka/tybyria-v2.2")
resultado = tybyria("seu comentário aqui", top_k=None)

Considere possível ódio a partir de 0,40 de probabilidade para hate, sempre com revisão humana depois.

⚠️ Limitações

• Foi feita para comentários em conteúdo LGBTQIA+. Fora desse contexto, pode confundir ódio contra outros grupos com LGBTfobia.
• Palavras que podem ser afirmativas ou hostis conforme o contexto (como "amigues") podem ser classificadas errado.

📄 Licença

Pesos deste repositório: MIT. Dados de treino: CC-BY-NC-SA-4.0.

Desenvolvido pela Código Não Binário.