Update README.md

README.md

@@ -33,23 +33,23 @@ Modelos utilizados.
   *Descripción: Modelo de transcripción 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.
   
   *Clasificacion: 
-    Tipo de tarea -> ASR.
-    Modelo preentrenado -> preentrenado en datos multilingües y ajustable para tareas específicas.
+    Tipo de tarea -> ASR
+    Modelo preentrenado -> preentrenado en datos multilingües y ajustable para tareas específicas
     Dominio de uso -> Procesamiento de Lenguaje Natural y Reconocimiento de Voz	
   
 - MBart:
   *Descripción: Otro modelo multilingüe basado en Transformer. Útil para la traducción automática y demás tareas de generación de texto en múltiples idiomas. Preentrenado en tareas de reducción de ruido y puede ser ajustado para traducir específicamente entre dos pares de idiomas.
   
   *Clasificación:
-    Tipo de tarea -> Traducción automática y generación de texto.
-    Modelo preentrenado -> preentrenado en tareas de múltiples idiomas y ajustable para traducción específica.
-    Dominio de uso -> Procesamiento de lenguaje natural y traducción.
+    Tipo de tarea -> Traducción automática y generación de texto
+    Modelo preentrenado -> preentrenado en tareas de múltiples idiomas y ajustable para traducción específica
+    Dominio de uso -> Procesamiento de lenguaje natural y traducción
   
 - Sinergia para estos dos modelos:
-    Tomamos como base que Whisper lo usamos para convertir un archivo de audio a texto en inglés, y MBart toma el texto transcrito, el cual lo traduce a otro idioma seleccionado previamente.
+    Tomamos como base que Whisper lo usamos para convertir un archivo de audio a texto en inglés, y MBart toma el texto transcrito, el cual lo traduce a otro idioma seleccionado previamente
   
 - Posibles limitaciones generales:
-  1.La precisión general dependerá tanto de la calidad de la transcripción como de la traducción. A la hora de la traducción, puede llegar errónea por culpa de la transcripción.
+  1.La precisión general dependerá tanto de la calidad de la transcripción como de la traducción. A la hora de la traducción, puede llegar errónea por culpa de la transcripción
   2.Los recursos necesarios aumentan significativamente cuando ambos modelos se usan en tiempo real
-  3.Existe la posibilidad de incompatibilidades lingüisticas o culturales cuando se precise de traducir frases, dichos o expresiones que no tienen un significado directo en otro idioma.
+  3.Existe la posibilidad de incompatibilidades lingüisticas o culturales cuando se precise de traducir frases, dichos o expresiones que no tienen un significado directo en otro idioma