Inteligencia Artificial para el análisis de la pronunciación de lenguas indígenas

  • Mtro. Eric Ramos Aguilar Facultad de Ciencias de la Computación, Benemérita Universidad Autónoma de Puebla
  • Dr. J. Arturo Olvera López Facultad de Ciencias de la Computación, Benemérita Universidad Autónoma de Puebla
  • Dr. Ivan Olmos Pineda Facultad de Ciencias de la Computación, Benemérita Universidad Autónoma de Puebla
Palabras clave: Pronunciación, evaluación, aplicaciones, lenguas indígenas

Resumen

El análisis del lenguaje en la actualidad es considerado de importancia para diferentes investigadores, debido a que existen personas con el objetivo de aprender una segunda lengua, esto lleva a que científicos desarrollen aplicaciones que generen una retroalimentación de textos o pronunciaciones realizadas por los aprendices, proporcionando una puntuación y una recomendación dentro del proceso de enseñanza. Con el paso del tiempo las lenguas consideradas universales como el Inglés, Español o Mandarín se han tomado en cuenta para desarrollar dichas aplicaciones debido a la demanda de estas. Sin embargo, en años recientes lenguas consideradas de bajos recursos, por la poca existencia de datos dentro de un entorno computacional y la escasez de hablantes, se han tomado en cuenta con distintos objetivos tales como: preservación, investigación semántica, aprendizaje, entre otros; considerando entre ellas lenguas indígenas de todo el mundo, siendo parte  de una riqueza cultural dentro de las regiones que se hablan. El objetivo de este artículo es presentar el lenguaje como una forma de comunicación y que puede considerar aspectos computacionales para este proceso, además, analizar algunas aplicaciones utilizadas para la enseñanza y aprendizaje de otra lengua, contemplando procesos de reconocimiento de voz automático y los retos que considera el análisis de lenguas indígenas de México.

Descargas

La descarga de datos todavía no está disponible.

Citas

Feng, K. (2019). Low-resource language identification from speech using transfer learning. 2019 IEEE 29th International Workshop on Machine Learning for Signal Processing (MLSP), 1-6

Li, X., Dalmia, S., Li, J., Lee, M., Littell, P., Yao, J., y Metze, F. Universal phone recognition with a multilingual allophone system. ICASSP 2020-2020 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), pp.8249- 8253, 2020.

López, J. M. M., y Herrero, J. G. Técnicas de análisis de datos. Aplicaciones prácticas utilizando Microsoft Excel y weka, 2006.

Medina, J. d. (1999). Explicación y Análisis: Taller de Comunicación I. México: UNAM.

Mukhamadiyev, A., Khujayarov, I., Djuraev, O., y Cho, J. Automatic speech recognition method based on deep learning approaches for Uzbek language. Sensors, 22(10), 3683, 2022.

Penner, K. (2019). Prosodic structure in Ixtayutla Mixtec: Evidence for the foot.

Rajendran, S. M. (2021). Language dialect-based speech emotion recognition through deep learning techniques. International Journal of Speech Technology, 24(3), 625-635.

Yu, D., y Deng, L. Automatic speech recognition (Vol. 1). Berlin: Springer, 2016.
Publicado
2024-04-01
Cómo citar
Ramos Aguilar, E., Olvera López, A., & Olmos Pineda, I. (2024). Inteligencia Artificial para el análisis de la pronunciación de lenguas indígenas. Contactos, Revista De Educación En Ciencias E Ingeniería, (132), 76-85. Recuperado a partir de https://contactos.izt.uam.mx/index.php/contactos/article/view/348
Sección
Artículos

Artículos más leídos del mismo autor/a