Documentos de traballo · fala, saúde e IA fiableVigo, 2026

Investigación / Tecnoloxía lingüística para linguas con poucos recursos / [11]

O recoñecemento da fala en galego en 2022: dous sistemas e moi poucos datos

Galician's Language Technologies in the Digital Age. IberSPEECH 2022, 2022.

Nunha frase

En 2022 só dous recoñecedores da fala admitían o galego. Nun pequeno conxunto de programas da televisión galega, o sistema da Universidade de Vigo produciu mellores transcricións ca Google Cloud Speech-to-Text en todos os casos, e os recursos para a lingua seguían a ser escasos.

2recoñecedores que admiten o galego
92 %dos recursos son só de texto
< 20 %de taxa de erro de palabra alcanzable con audio controlado

A pregunta

O galego ten arredor de 1,9 millóns de falantes e é cooficial en España, pero aparece en menos do 0,1 % dos sitios web. Este estudo, feito no marco do proxecto European Language Equality, pregúntase en que punto estaba o recoñecemento da fala en galego en 2022.

Que fixemos

Fixemos un inventario dos recursos dispoñibles para a lingua e comparamos os dous recoñecedores que atopamos con soporte para o galego: o desenvolvido na Universidade de Vigo e Google Cloud Speech-to-Text. Ambos transcribiron programas de catro produtoras galegas, e as transcricións avaliáronse coa taxa de erro de palabra.

Que atopamos

Os datos e os recursos para o galego medraron moito nos catro anos anteriores ao estudo, pero seguen a ser limitados en alcance: o 92 % dos corpus e recursos indexados son só de texto, e o audio é escaso.

O sistema da Universidade de Vigo produciu mellores transcricións ca o de Google en todos os programas. As substitucións foron o erro máis común en ambos. Unha taxa de erro de palabra inferior ao 20 %, o nivel que a televisión pública española acepta para os subtítulos automáticos, é alcanzable cando o audio está controlado e hai poucos falantes.

Por que importa

A tecnoloxía da fala depende hoxe de grandes cantidades de datos. Sen un esforzo importante para crear recursos, sobre todo de audio, o galego corre o risco de quedar atrás. O panorama completo está no Language Report for Galician.

Citar

Ramírez Sánchez J.M., Docío-Fernández L., García-Mateo C. Galician's Language Technologies in the Digital Age. IberSPEECH 2022, 2022.