Building a kichwa language audio dataset for mispronunciation detection

Abstract

Esta tesis aborda la preservación del idioma Kichwa, una lengua indígena en peligro de desaparecer en Ecuador, mediante el uso de nuevas tecnologías. Se presentan dos avances significativos: la creación de un conjunto de datos de audio inicial para el idioma Kichwa, diseñado para detectar errores de pronunciación en 208 palabras seleccionadas según su uso diario, y la evaluación de este conjunto de datos con modelos de aprendizaje automático, incluyendo redes neuronales Feed Forward, redes neuronales convolucionales, modelo pre entrenado AlexNet y un modelo de Transformers pre entrenado Wav2Vec2.0, siendo este último el que obtuvo los mejores resultados. La investigación comenzó con una revisión exhaustiva de métodos avanzados para la detección de errores de pronunciación en lenguas con pocos recursos. Se construyó un conjunto de datos de 208 palabras relevantes en Kichwa, se grabó muestras de audio con 30 voluntarios (14 no nativos y 16 nativos) y se validaron por tres hablantes nativos. Posteriormente, se evaluaron los modelos, para lo cual se adaptó y afinó cada modelo para la clasificación binaria de errores de pronunciación de palabras en Kichwa. Por último, esta investigación reconoce limitaciones como el tamaño del conjunto de datos en las clases de las palabras mal pronunciadas y las variaciones regionales de pronunciación. Se sugiere que futuros trabajos podrían incluir la expansión del conjunto de datos, variantes fonéticas y otras tareas relacionadas con el habla. Esta investigación representa un paso crucial en el uso de tecnologías para apoyar la preservación del idioma y el aprendizaje del Kichwa ecuatoriano, contribuyendo a la protección de este importante patrimonio cultural.