El programa Babel de la IARPA desarrolló tecnología de reconocimiento de voz para conversaciones telefónicas en entornos ruidosos. El objetivo principal del programa fue mejorar el rendimiento de la búsqueda de palabras clave en idiomas con muy pocos datos transcritos, es decir, idiomas de bajos recursos. Se recolectaron datos de 26 idiomas, manteniendo algunos de ellos reservados como idiomas «sorpresa» para poner a prueba la capacidad de los equipos para construir rápidamente un sistema para una lengua nueva.
A partir de 2012, participaron dos equipos liderados por la industria (IBM y BBN) y dos equipos liderados por universidades (ICSI, dirigido por Nelson Morgan, y la CMU). El equipo de IBM incluyó a la Universidad de Cambridge (CUED) y a la RWTH Aachen University, mientras que el equipo de BBN incluyó a la Universidad Tecnológica de Brno, la Universidad Johns Hopkins, el MIT y el LIMSI. Solo BBN e IBM llegaron a la campaña de evaluación final de 2016, en la cual BBN resultó ganadora al lograr la mayor precisión en la búsqueda de palabras clave en el idioma de evaluación.
Parte de la financiación de Babel se utilizó para desarrollar el kit de herramientas Kaldi. Posteriormente, los datos de voz se pusieron a disposición a través del Linguistic Data Consortium a un coste simbólico de 25 dólares estadounidenses por paquete de idioma.
Referencias
Categoría:DARPA