Update README.md
Browse files
README.md
CHANGED
|
@@ -16,12 +16,15 @@ Check out the configuration reference at https://huggingface.co/docs/hub/spaces-
|
|
| 16 |
# Problema, soluci贸n, input y output:
|
| 17 |
|
| 18 |
- *Problema principal*:
|
|
|
|
| 19 |
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.
|
| 20 |
|
| 21 |
- *Soluci贸n*:
|
|
|
|
| 22 |
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.
|
| 23 |
|
| 24 |
- *Especificaciones*:
|
|
|
|
| 25 |
Input: Un archivo de audio en formato compatible (MP3, WAV, etc.), cargado o grabado directamente por el usuario.
|
| 26 |
Output: Una transcripci贸n del audio en texto traducido al idioma seleccionado (espa帽ol, alem谩n, ruso o franc茅s).
|
| 27 |
Adem谩s de responder a la necesidad de superar barreras a nivel de idiomas, tambi茅n ofrece una experiencia intuitiva.
|
|
@@ -57,7 +60,8 @@ Check out the configuration reference at https://huggingface.co/docs/hub/spaces-
|
|
| 57 |
|
| 58 |
|
| 59 |
### Sinergia para estos dos modelos:
|
| 60 |
-
Tomamos como base que Whisper lo usamos para convertir un archivo de audio a texto en ingl茅s,
|
|
|
|
| 61 |
|
| 62 |
- *Posibles limitaciones generales*:
|
| 63 |
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
|
|
|
|
| 16 |
# Problema, soluci贸n, input y output:
|
| 17 |
|
| 18 |
- *Problema principal*:
|
| 19 |
+
|
| 20 |
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.
|
| 21 |
|
| 22 |
- *Soluci贸n*:
|
| 23 |
+
|
| 24 |
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.
|
| 25 |
|
| 26 |
- *Especificaciones*:
|
| 27 |
+
|
| 28 |
Input: Un archivo de audio en formato compatible (MP3, WAV, etc.), cargado o grabado directamente por el usuario.
|
| 29 |
Output: Una transcripci贸n del audio en texto traducido al idioma seleccionado (espa帽ol, alem谩n, ruso o franc茅s).
|
| 30 |
Adem谩s de responder a la necesidad de superar barreras a nivel de idiomas, tambi茅n ofrece una experiencia intuitiva.
|
|
|
|
| 60 |
|
| 61 |
|
| 62 |
### Sinergia para estos dos modelos:
|
| 63 |
+
Tomamos como base que Whisper lo usamos para convertir un archivo de audio a texto en ingl茅s,
|
| 64 |
+
y MBart toma el texto transcrito, el cual lo traduce a otro idioma seleccionado previamente
|
| 65 |
|
| 66 |
- *Posibles limitaciones generales*:
|
| 67 |
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
|