Linguatec-IA développe des outils technologiques de la langue et de la parole pour l’aranais

L’Université de  Lleida contribue au projet Linguatec-IA en développant des outils technologiques de la langue et de la parole pour la variété aranaise de l’occitan.

« Nous sommes concrètement en train de développer des corpus écrits et oraux qui alimenteront des outils technologiques tels que le synthétiseur vocal, le système de reconnaissance vocale, des traducteurs automatiques afin de pouvoir finalement obtenir des applications d’usage quotidien, comme le sous-titrage automatique de vidéos, le doublage automatique de productions audiovisuelles, entre autres applications », explique Helena Torres Purroy, de l’Université de Lleida.

Le projet se trouve actuellement en phase d’alimentation des corpus. Une grande quantité de données est nécessaire pour alimenter ces technologies qui demandent de grands volumes de données. « Nous continuons à recueillir des corpus, des textes écrits, des textes oraux et nous sommes en train d’améliorer très largement un traducteur qui existe déjà : le traducteur Apertium. Nous le révisons et l’alimentons avec un nouveau lexique, avec de nouvelles listes de noms propres, de toponymes, etc., en le corrigeant et en étiquetant toutes les entrées », ajoute Torres Purroy.

Par ailleurs, « nous sommes en train de numériser le dictionnaire de Frédéric Vergés publié en 2022. C’est le plus grand dictionnaire existant pour toutes les variations de l’occitan. Lorsque sa numérisation sera terminée, nous le basculerons également dans le traducteur Apertium », a-t-elle ajouté.