Particle lança plataforma que torna podcasts pesquisáveis e acessíveis para agentes de IA
A startup Radar (da equipe por trás do Particle) criou uma ferramenta que transcreve e analisa mais de 130 mil podcasts, permitindo buscar conversas na web e integrá-las a sistemas de inteligência artificial por meio de uma API
A Particle lançou o Radar, uma plataforma que transcreve e analisa mais de 130 mil podcasts, tornando suas conversas pesquisáveis na web. O serviço também oferece uma API (interface que permite integração entre softwares) e suporte ao MCP (padrão para conectar dados a sistemas de IA), permitindo que agentes de IA consultem episódios automaticamente.
A Particle, startup conhecida por seu leitor de notícias baseado em IA, lançou uma nova plataforma chamada Radar que promete resolver um dos grandes problemas do universo dos podcasts: a dificuldade de buscar informações dentro de episódios. Segundo informou o TechCrunch, o serviço transcreve e analisa mais de 130 mil programas, transformando horas de áudio em texto pesquisável e estruturado.
O diferencial do Radar vai além da transcrição simples. A plataforma usa modelos de linguagem (LLMs, os mesmos sistemas por trás de ferramentas como o ChatGPT) para extrair insights, identificar temas e organizar o conteúdo de cada episódio. Isso significa que, em vez de ouvir um programa inteiro para encontrar aquela menção a um produto ou pessoa específica, você pode pesquisar diretamente — como faria no Google.
Mas a aposta maior está em tornar esse conteúdo acessível para agentes de IA (programas autônomos que executam tarefas em nome do usuário, como agendar reuniões ou pesquisar informações). O Radar oferece uma API (interface que permite que diferentes softwares conversem entre si) e suporte ao MCP (Model Context Protocol, um padrão recente que facilita a integração de dados externos a sistemas de IA). Na prática, isso permite que assistentes virtuais consultem podcasts como se fossem bancos de dados.
A iniciativa reflete uma tendência crescente: transformar formatos de mídia tradicionalmente "fechados" — como áudio e vídeo — em fontes estruturadas de informação que máquinas possam entender e usar. Para criadores de conteúdo, isso pode significar maior alcance; para ouvintes, mais formas de descobrir e consumir episódios; e para empresas, uma nova camada de dados sobre conversas públicas em nichos específicos.
