Arturo Olvera López e Iván Olmos Pineda, catedráticos e investigadores de la Facultad de Ciencias de la Computación de la BUAP, desarrollan el proyecto ZETZOHO-YUHMU. Speech Dataset, un repositorio de datos de voz diseñado para impulsar la investigación y la preservación de lenguas indígenas con pocos recursos y en riesgo de desaparición.
El conjunto de datos está enfocado en la lengua Yuhmu, una variante del otomí, y fue creado para apoyar investigaciones en reconocimiento automático del habla (ASR, por sus siglas en inglés) y en el análisis de la pronunciación en contextos donde la disponibilidad de datos lingüísticos es limitada.
Además de facilitar el desarrollo de tecnologías para el aprendizaje de idiomas mediante sistemas de retroalimentación de la pronunciación, el repositorio contribuye a los esfuerzos de documentación, conservación y revitalización de las lenguas indígenas de México.
En esta iniciativa también participan Eric Ramos-Aguilar, Ricardo Ramos-Aguilar y Daniel Sánchez-Ruiz, investigadores de la Unidad Profesional Interdisciplinaria de Ingeniería del Instituto Politécnico Nacional, campus Tlaxcala (UPIIT-IPN). El repositorio ZETZOHO-YUHMU. Speech Dataset es de libre acceso y puede ser consultado por la comunidad académica e investigadora.
Al respecto, Arturo Olvera López destacó que este recurso representa una herramienta de gran utilidad para quienes realizan investigación en procesamiento del lenguaje natural aplicado a lenguas indígenas mexicanas.
“El repositorio es de libre acceso y puede ser de mucha utilidad para la comunidad que hace investigación relacionada con el procesamiento del lenguaje natural, considerando lenguas indígenas en México que actualmente están poco representadas respecto a la cantidad de personas hablantes de la lengua”, señaló el investigador.