– Con el objetivo de aportar herramientas tecnológicas para la documentación y el rescate de las lenguas originarias de México en riesgo de desaparición, los académicos Arturo Olvera López e Iván Olmos Pineda, investigadores de la Facultad de Ciencias de la Computación de la BUAP, desarrollan el proyecto ZETZOHO-YUHMU. SPEECH DATASET.
Este repositorio presenta un conjunto de datos de voz especializado en el estudio de lenguas con pocos recursos y en peligro de extinción, enfocándose en la lengua Yuhmu, una variante de la lengua Otomí. La plataforma está diseñada para servir como soporte en la investigación del reconocimiento automático del habla (ASR, por sus siglas en inglés), así como en el análisis de la pronunciación dentro de escenarios donde los datos lingüísticos son sumamente limitados.
La base de datos proporciona un fundamento sólido para crear sistemas tecnológicos interactivos que ofrezcan retroalimentación en la pronunciación durante los procesos de enseñanza-aprendizaje. De igual forma, contribuye de manera digital a los esfuerzos de preservación y registro de la diversidad lingüística de las comunidades indígenas en el país.
Alianza interinstitucional por el patrimonio cultural
Para consolidar esta herramienta, los investigadores de la BUAP colaboran de manera estrecha con Eric Ramos-Aguilar, Ricardo Ramos-Aguilar y Daniel Sánchez-Ruiz, especialistas adscritos a la Unidad Profesional Interdisciplinaria de Ingeniería del Instituto Politécnico Nacional, campus Tlaxcala (UPIIT-IPN).
El proyecto completo es de carácter público y se encuentra disponible para su consulta abierta bajo el nombre de Conjunto de datos de voz de Zetzoho-Yuhmu.
Al respecto, el doctor Arturo Olvera López destacó la importancia de abrir estos recursos a la investigación global: “El repositorio es de libre acceso y puede ser de mucha utilidad para la comunidad que hace investigación relacionada al procesamiento del lenguaje natural considerando lenguas indígenas en México que actualmente están poco representadas respecto a la cantidad de personas hablantes de la lengua”.
