Linguatec-IA desarrolla herramientas tecnológicas de la lengua y del habla para el aranés

La Universidad de Lleida contribuye al proyecto Linguatec-IA mediante el desarrollo de herramientas tecnológicas de la lengua y del habla para la variedad aranesa del occitano.

“Concretamente desarrollamos corpus escritos y orales para alimentar herramientas tecnológicas como el sintetizador de voz, el reconocedor del habla, traductores automáticos, para, al final, poder conseguir aplicaciones para el día a día como el subtitulado automático de vídeos, el doblaje automático de producciones audiovisuales, entre otras aplicaciones”, explica Helena Torres Purroy, de la Universidad de Lleida.

Actualmente el proyecto se encuentra en una fase de alimentación de los corpus. Se necesita una gran cantidad de datos para alimentar estas tecnologías que requieren grandes volúmenes de datos. “Continuamos recopilando corpus, textos escritos, textos orales y estamos mejorando mucho un traductor que ya existe: el traductor Apertium. Estamos revisándolo, alimentándolo con léxico nuevo, con listas nuevas de nombres propios, de topónimos, etc., y corrigiéndolo, etiquetando todas las entradas”, añade Torres Purroy.

Por otra parte, “estamos digitalizando el diccionario de Frederic Vergés publicado en 2022. Se trata del diccionario más grande que hay en cualquier variedad del occitano. Después de la digitalización, lo volcaremos también al traductor Apertium”, señala.