Desarrollo de sistema interprete virtual por voz a lengua de señas para las personas con discapacidad auditiva en la Universidad de Córdoba

En este proyecto se comprendieron las generalidades de la lengua de señas colombiana para de desarrollar el intérprete virtual por voz a lengua de señas para las personas con discapacidad auditiva en la Universidad de Córdoba con la finalidad de incluir a la población sorda de la universidad con las...

Full description

Autores:
Rangel Giraldo, Michaen Stebin
Rodríguez Vesga, Karlos Daniel
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2023
Institución:
Universidad de Córdoba
Repositorio:
Repositorio Institucional Unicórdoba
Idioma:
spa
OAI Identifier:
oai:repositorio.unicordoba.edu.co:ucordoba/7996
Acceso en línea:
https://repositorio.unicordoba.edu.co/handle/ucordoba/7996
https://repositorio.unicordoba.edu.co/
Palabra clave:
React
Node
Flask
Spacy
Docker
Artyom
Voz a texto
Modelo linguistico
Procesamiento de lenguaje natural
Web sockets
Lengua de señas
Lengua de señas colombiana
Base de datos
Peticiones
React
Node
Flask
Spacy
Docker
Artyom
Speech to text
Linguistic model
Natural language processing
Web sockets
Sign language
Colombian sign language
Database
Requests
Rights
openAccess
License
Copyright Universidad de Córdoba, 2023
Description
Summary:En este proyecto se comprendieron las generalidades de la lengua de señas colombiana para de desarrollar el intérprete virtual por voz a lengua de señas para las personas con discapacidad auditiva en la Universidad de Córdoba con la finalidad de incluir a la población sorda de la universidad con las personas oyentes a través de una herramienta tecnológica. Se utilizó Artyom.js para convertir voz a texto y así procesar la información con Spacy, librería que nos permite construir sistemas para la extracción y procesamiento de lenguaje natural. Además, se implementó comunicación por web sockets para el flujo de la información dentro del sistema desarrollado; se usó React js para el manejo de estados y eventos asociados a la voz y las señas correspondientes; se usó node js para las peticiones de las palabras registradas en la base de datos y flask para el uso de spacy aislado en un contenedor docker. Se obtuvieron buenas salidas en la transformación de las palabras reconocidas y en base a esta salida se mostraron correctas visualizaciones de las señas correspondientes, estas señas fueron previamente grabadas en compañía de un modelo lingüístico quien nos validó la precisión y correcta implementación.