Comparativa de algoritmos de reconocimiento de voz y subtitulado automático considerando la estructura y el contenido del texto

Rodriguez Parrondo, Paula

Publicación:
Comparativa de algoritmos de reconocimiento de voz y subtitulado automático considerando la estructura y el contenido del texto

dc.contributor.author	Rodriguez Parrondo, Paula
dc.contributor.director	Pérez Martín, Jorge
dc.contributor.director	Rodrigo Yuste, Álvaro
dc.date.accessioned	2025-07-09T13:48:48Z
dc.date.available	2025-07-09T13:48:48Z
dc.date.issued	2025
dc.description.abstract	En una sociedad donde los contenidos digitales están cada vez más presentes, los sistemas de reconocimiento automático del habla (Automatic Speech Recognition, ASR) se posicionan como herramientas esenciales para garantizar el acceso universal a la información. Sin embargo, estos sistemas aún presentan errores que pueden comprometer la fiabilidad de sus transcripciones. Detectarlos, comprenderlos y corregirlos no es sólo un objetivo técnico, sino un paso necesario hacia una tecnología más inclusiva, precisa y fiable. Este trabajo aborda precisamente esa necesidad mediante el análisis del rendimiento de modelos de transcripción automática usando contenidos educativos. Para ello, se han diseñado y ejecutado varios experimentos utilizando los modelos Whisper y WhisperX, en los que se evaluó su comportamiento combinando varias métricas obtenidas de forma automática (WER, CER, BLEU y ROUGE) con un análisis cualitativo de los errores cometidos. Esta metodología ha permitido identificar patrones recurrentes, como dificultades en la transcripción de nombres propios o términos técnicos, y valorar el impacto de estrategias específicas, como la incorporación de contexto textual o la segmentación del audio. Más allá de los resultados cuantitativos, este trabajo pone de manifiesto que avanzar en la accesibilidad real requiere algo más que modelos de reconocimiento del habla funcionales. Es necesario que estos sistemas sean capaces de adaptarse a la diversidad lingüística de los usuarios y gestionar de forma eficaz los errores que cometen. El futuro del reconocimiento automático del habla pasa no sólo por mejorar la potencia de los modelos, sino también por desarrollar soluciones más robustas, precisas y capaces de responder ante las variaciones naturales del lenguaje.	es
dc.description.abstract	In a society where digital content is increasingly prevalent, automatic speech recognition (ASR) systems have established themselves as essential tools to ensure universal access to information. However, these systems still produce errors that can compromise the reliabilityof their transcriptions. Detecting, understanding, and correcting these errors is not only a technical challenge but also a necessary step toward more inclusive, accurate, and trustworthy technology. This study addresses that need through an analysis of the performance of automatic transcription models using educational content. For this purpose, several experiments were designed and conducted using the Whisper and WhisperX models, evaluating their performance through a combination of automatic metrics (WER, CER, BLEU, and ROUGE) and a qualitative analysis of the errors produced. This methodology enabled the identification of recurring patterns, such as difficulties with proper names or technical terms, and the assessment of specific strategies, including the use of textual context and audio segmentation. Beyond quantitative results, this study highlights that achieving true accessibility requires more than just functional ASR systems. These technologies must also adapt to the linguistic diversity of users and effectively manage the errors they generate. The future of automatic speech recognition lies not only in improving model performance but also in developing more robust and accurate solutions capable of handling the natural variation in human language.	en
dc.identifier.citation	Rodriguez Parrondo, Paula. Trabajo Fin de Máster: "Comparativa de algoritmos de reconocimiento de voz y subtitulado automático considerando la estructura y el contenido del texto". Universidad Nacional de Educación a Distancia (UNED) 2025
dc.identifier.uri	https://hdl.handle.net/20.500.14468/29344
dc.language.iso	es
dc.publisher	Universidad Nacional de Educación a Distancia (UNED). E.T.S. de Ingeniería Informática
dc.relation.center	E.T.S. de Ingeniería Informática
dc.relation.degree	Máster universitario en Ingeniería y Ciencia de Datos
dc.relation.department	Inteligencia Artificial
dc.rights	info:eu-repo/semantics/openAccess
dc.rights.uri	Atribución-NoComercial-SinDerivadas 4.0 Internacional
dc.subject	33 Ciencias Tecnológicas
dc.subject	1203.04 Inteligencia artificial
dc.subject	57 Lingüística
dc.subject.keywords	reconocimiento automático del habla (ASR)	es
dc.subject.keywords	subtítulos	es
dc.subject.keywords	análisis de errores	es
dc.subject.keywords	accesibilidad digital	es
dc.subject.keywords	automatic speech recognition (ASR)	en
dc.subject.keywords	subtitles	en
dc.subject.keywords	error analysis	en
dc.subject.keywords	digital accessibility	en
dc.title	Comparativa de algoritmos de reconocimiento de voz y subtitulado automático considerando la estructura y el contenido del texto	es
dc.type	tesis de maestría	es
dc.type	master thesis	en
dspace.entity.type	Publication