Académicos de la Facultad de Ciencias de la Computación de la BUAP desarrollan el proyecto ZETZOHO-YUHMU. SPEECH DATASET, un repositorio orientado al estudio de la lengua Yuhmu, variante del otomí hablada en comunidades de Tlaxcala.
El proyecto reúne un conjunto de datos de voz para apoyar investigaciones sobre lenguas indígenas con pocos recursos digitales y en peligro de extinción. Su objetivo principal consiste en fortalecer el reconocimiento automático del habla, conocido como ASR, así como el análisis de pronunciación en escenarios donde existe información lingüística limitada.
Los investigadores Arturo Olvera López e Iván Olmos Pineda encabezan el trabajo desde la BUAP, con la colaboración de Eric Ramos-Aguilar, Ricardo Ramos-Aguilar y Daniel Sánchez-Ruiz, integrantes de la Unidad Profesional Interdisciplinaria de Ingeniería del Instituto Politécnico Nacional, campus Tlaxcala.
Olvera López explicó que su línea de investigación aborda el reconocimiento de patrones, un campo relacionado con la inteligencia artificial, que permite analizar información para encontrar modelos útiles en tareas específicas.
“Últimamente, esta área está relacionada con lo que todo el mundo conocemos como inteligencia artificial”, señaló el académico, al explicar que una de sus aplicaciones se encuentra en el procesamiento del lenguaje natural.
Inteligencia artificial para preservar lenguas indígenas
El repositorio busca servir como base para crear sistemas capaces de retroalimentar la pronunciación en procesos de aprendizaje de idiomas, además de contribuir a la documentación y preservación de lenguas indígenas en México.
Olvera López destacó que el equipo orientó este trabajo al análisis de audio digital de la lengua Yuhmu, debido a que muchas lenguas originarias carecen de suficientes materiales digitales e impresos para su estudio.
“No hay recursos digitales, ni incluso recursos impresos como texto”, explicó, al señalar que esta falta de información limita el aprendizaje, análisis y desarrollo de modelos de inteligencia artificial.
El académico indicó que el análisis fonético de estos materiales puede permitir aplicaciones como detectar la pronunciación de palabras, identificar términos o crear tutores digitales para apoyar la enseñanza de lenguas indígenas.
Además, destacó que el repositorio tiene libre acceso y puede resultar útil para la comunidad académica dedicada al procesamiento del lenguaje natural, especialmente en investigaciones sobre lenguas originarias poco representadas en México.
Fotografía: BUAP
