Experiencias prácticas en la creación de corpus orales para uso en tecnologías del habla

Abstract

En esta ponencia me propongo comentar mis experiencias prácticas al enfrentarme al problema de la creación de corpus orales para uso en reconocedores automáticos de voz. Presentaré como producto terminado un pequeño corpus grabado físicamente en el Laboratorio de Procesamiento de Voz del Posgrado de Ingeniería Eléctrica de la UNAM, comentaré la creación (que aún está en proceso) de un corpus mucho más grande extraído de Radio UNAM y hablaré también sobre algunas grabaciones que aun tenemos sin procesar y que pueden de hecho servir para otro tipo de usos diferentes al reconocimiento de voz como por ejemplo, para estudios lingüísticos. Hablaré también sobre la metodología a seguir para la creación de estos corpus, así como del equipo utilizado, herramientas de software y también sobre problemas reales que sobre la práctica hubo que resolver ingeniosamente. Finalmente presentaré mis conclusiones generales y en ellas daré algunos consejos para aquellos que también deseen crear sus propios corpus e invitaré a los asistentes a participar en mi programa de servicio social que se encuentra abierto para estudiantes de Letras Hispánicas, Ingeniería en Computación e Ingeniería Eléctrica Electrónica. //// Carlos Daniel Hernández Mena, (carloshm_17@hotmail.com.) Es ingeniero en Comunicaciones y Electrónica por el Instituto Politécnico Nacional (IPN) y maestro en Ingeniería en Computación por la UNAM. Actualmente estudia el doctorado en Ingeniería Eléctrica de la UNAM.