Traducción de voz a lenguaje de señas por medio de Aprendizaje Profundo para personas con discapacidad auditiva
DOI:
https://doi.org/10.70929/caui3.v1i2.0016Palabras clave:
Lengua de señas, Aprendizaje profundo, Python, MakeHumanResumen
Las personas con discapacidad se enfrentan a desafíos históricos; en específico, este trabajo se enfoca en la discapacidad auditiva y la importancia de la lengua de señas. Se propone desarrollar un sistema de traducción de voz a lengua de señas, utilizando tecnologías avanzadas como algoritmos de aprendizaje profundo. El objetivo es alcanzar una mejora en la comunicación y accesibilidad de las personas con discapacidad auditiva, especialmente en entornos donde predomina el lenguaje oral. Destacando la problemática en la comunicación efectiva en Ecuador, tanto en contextos educativos como laborales. Este enfoque abarca la creación y movimiento de un avatar, la conversión de voz a texto por medio de tecnologías Deep Learning, el uso de un diccionario de lengua de señas por sucesión de imágenes. Finalmente, para evaluar el trabajo, se ha ejecutado y evaluado una muestra de 50 personas, con lo que se ha demostrado una alta efectividad en la traducción, destacando la precisión de la inteligencia artificial, la viabilidad en computadoras de bajos recursos y la diversidad de tecnologías aplicables.
Referencias
[1] A. Franco-Segovia, “La lengua de señas ecuatoriana para la inclusión de los estudiantes con discapacidad auditiva,” Polo del Conocimiento, vol. 8, no. 2, pp. 458–469, Dec. 2023, doi: 10.23857/pc.v8i2.
[2] J. C. García, “LA DISCAPACIDAD AUDITIVA. PRINCIPALES MODELOS Y AYUDAS TÉCNICAS PARA LA INTERVENCIÓN.,” Revista Internacional de Apoyo a la Inclusión, Logopedia, Sociedad y Multiculturalidad, pp. 24–36, Dec. 2015, [Online]. Available: http://riai.jimdo.com/
[3] E. M. Ferrero, “Legal language as a barrier to access to justicefor people with disabilities,” Perspectivas, vol. 11, no. 2, pp. 3–16, Jul. 2021, doi: 10.19137/perspectivas-2021-v11n2a01.
[4] G. M. Campos, “La discapacidad en el lenguaje o el lenguaje para la discapacidad,” Diá-logos, pp. 78–89, Dec. 2021, doi: 10.5377/dialogos.v23i1.14756.
[5] M. De La Hoz Vásquez, “Barreras en la comprensión lectora en estudiantes con discapacidad auditiva en Educación Superior,” vol. 33, no. 26, pp. 77–97, Apr. 2025.
[6] D. Marín, “Desarrollo de la competencia lectora en alumnado con discapacidad auditiva: una revisión bibliográfica,” ReiDoCrea: Revista electrónica de investigación Docencia Creativa, vol. 8, pp. 142–153, Oct. 2019, doi: 10.30827/Digibug.57749.
[7] J. D. Guerrero-Balaguera and W. J. Pérez-Holguín, “Sistema traductor de la lengua de señas Colombiana a texto basado en FPGA,” DYNA (Colombia), vol. 82, no. 189, pp. 172–181, 2015, doi: 10.15446/dyna.v82n189.43075.
[8] D. Quinta Lipe and P. J. Guerrero, “Traducción inteligente de lenguaje de señas mediante aprendizaje automático y visión artificial,” Revista Criterio, vol. 5, no. 8, pp. 22–43, Apr. 2025, doi: 10.62319/criterio.v.5i8.33.
[9] M. Carguacundo and P. Constante, “Traductor de texto y voz a lengua de señas ecuatoriana a través de un avatar implementado para dispositivos Android,” Infociencia, vol. 12, no. 1, pp. 20–25, 2018.
[10] E. E. P. Gonzalez and C. R. I. Chamorro, “Desarrollo e implementación de un sistema que permita la accesibilidad de los servicios a personas con discapacidad auditiva/sordos (PcDa/Sordos) por medio de un aplicativo intérprete a lengua de señas en tiempo real,” in Anais do XVIII Congresso Latino-Americano de Software Livre e Tecnologias Abertas (Latinoware 2021), Sociedade Brasileira de Computação - SBC, Oct. 2021, pp. 154–157. doi: 10.5753/latinoware.2021.19924.
[11] D. L. C. Peleo, M. M. Patalay, J. M. Dela Cruz, and E. A. Ramirez, “Sign the Voice: An Embedded Software for Voice to Sign Language Translation,” in 2024 2nd International Conference on Computing and Data Analytics (ICCDA), IEEE, Nov. 2024, pp. 1–6. doi: 10.1109/ICCDA64887.2024.10867405.
[12] I. M. Greca, J. Ortiz-Revilla, and I. Arriassecq, “Diseño y evaluación de una secuencia de enseñanza-aprendizaje STEAM para Educación Primaria,” Revista Eureka sobre Enseñanza y Divulgación de las Ciencias, vol. 18, no. 1, pp. 1–20, 2021, doi: 10.25267/Rev_Eureka_ensen_divulg_cienc.2021.v18.i1.1802.
[13] Á. López-Mota and G. Moreno-Arcuri, “SUSTENTACIÓN TEÓRICA Y DESCRIPCIÓN METODOLÓGICA DEL PROCESO DE OBTENCIÓN DE CRITERIOS DE DISEÑO Y VALIDACIÓN PARA SECUENCIAS DIDÁCTICAS BASADAS EN MODELOS: EL CASO DEL FENÓMENO DE FERMENTACIÓN.,” Revista Bio-grafía Escritos sobre la biología y su enseñanza, vol. 7, no. 13, p. 109, Dec. 2014, doi: 10.17227/20271034.vol.7num.13bio-grafia109.126.
[14] C. Arana, “Redes neuronales recurrentes: Análisis de los modelos especializados en datos secuenciales,” May 2021. [Online]. Available: www.cema.edu.ar/publicaciones/doc_trabajo.html
[15] H. Lyu, N. Sha, S. Qin, M. Yan, Y. Xie, and R. Wang, “Manifold Denoising by Nonlinear Robust Principal Component Analysis.”
[16] M. van Gerven and S. Bohte, “Editorial: Artificial Neural Networks as Models of Neural Information Processing,” Front Comput Neurosci, vol. 11, Dec. 2017, doi: 10.3389/fncom.2017.00114.
[17] Consejo Nacional de Igualdad de Discapacidades (CONADIS), “Diccionario de Lengua de Señas Ecuatoriana Gabriel Román,” http://www.plataformaconadis.gob.ec/~platafor/diccionario/.
Publicado
Número
Sección
Categorías
Licencia
Derechos de autor 2025 Revista digital científica Causalidad (caui3)
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
