| # Problema, soluci贸n, input y output | |
| - *Problema principal*: | |
| La comunicaci贸n entre distintas lenguas es imprescindible en la actualidad, por ello surge una necesidad de contar con una herramienta que permita la traducir contenido, en este caso, del ingl茅s a otros idiomas ampliamente utilizados. Este sistema est谩 en la integraci贸n de tecnolog铆as de reconocimiento de voz, tambi茅n conocido como ASR (Automatic Speech Recognition) y procesamiento de lenguaje natural para facilitar la traducci贸n. | |
| - *Soluci贸n*: | |
| Consiste en desarrollar un sistema que procese audios en formatos comunes, como .mp3 o .wav, transcriba autom谩ticamente el contenido previamente grabado en ingl茅s y proporcione su traducci贸n al idioma seleccionado. Aprovechando modelos de IA como Whisper y MBart, adaptadas al contexto del mensaje. | |
| - *Especificaciones*: | |
| Input: Un archivo de audio en formato compatible (MP3, WAV, etc.), cargado o grabado directamente por el usuario. | |
| Output: Una transcripci贸n del audio en texto traducido al idioma seleccionado (espa帽ol, alem谩n, ruso o franc茅s). | |
| Adem谩s de responder a la necesidad de superar barreras a nivel de idiomas, tambi茅n ofrece una experiencia intuitiva. | |
| # Descripci贸n de los modelos, clasificaci贸n y limitaciones | |
| ## Modelos utilizados | |
| ### Whisper: | |
| **Descripci贸n**: Modelo de transcripci贸n de audio desarrollado por OpenAI. Tiene como objetivo pasar audios a texto. Basado en Transformer y entrenado con un conjunto grande de datos de muchos idiomas distintos, lo que permite tareas relacionadas con el ASR. | |
| **Clasificaci贸n**: | |
| - Tipo de tarea -> ASR | |
| - Modelo preentrenado -> preentrenado en datos multiling眉es y ajustable para tareas espec铆ficas | |
| - Dominio de uso -> Procesamiento de Lenguaje Natural y Reconocimiento de Voz | |
| ### MBart: | |
| **Descripci贸n**: Otro modelo multiling眉e basado en Transformer. 脷til para la traducci贸n autom谩tica y dem谩s tareas de generaci贸n de texto en m煤ltiples idiomas. Preentrenado en tareas de reducci贸n de ruido y puede ser ajustado para traducir espec铆ficamente entre dos pares de idiomas. | |
| **Clasificaci贸n**: | |
| - Tipo de tarea -> Traducci贸n autom谩tica y generaci贸n de texto | |
| - Modelo preentrenado -> preentrenado en tareas de m煤ltiples idiomas y ajustable para traducci贸n espec铆fica | |
| - Dominio de uso -> Procesamiento de lenguaje natural y traducci贸n | |
| ### Sinergia para estos dos modelos: | |
| Tomamos como base que Whisper lo usamos para convertir un archivo de audio a texto en ingl茅s, | |
| y MBart toma el texto transcrito, el cual lo traduce a otro idioma seleccionado previamente | |
| **Posibles limitaciones generales** | |
| 1.La precisi贸n general depender谩 tanto de la calidad de la transcripci贸n como de la traducci贸n. A la hora de la traducci贸n, puede llegar err贸nea por culpa de la transcripci贸n | |
| 2.Los recursos necesarios aumentan significativamente cuando ambos modelos se usan en tiempo real | |
| 3.Existe la posibilidad de incompatibilidades ling眉isticas o culturales cuando se precise de traducir frases, dichos o expresiones que no tienen un significado directo en otro idioma |