Este es un proyecto con dimensiones humanas y tecnológicas que busca aprovechar las herramientas del procesamiento automático del lenguaje para fortalecer la voz de los hablantes de lenguas ancestrales de América. Estas personas muchas veces viven en un bilingüismo forzado, incompleto y cargado de injusticias, del que muchas veces depende su salud, libertad e integridad. 

Sistemas como el traductor de Google ofrecen herramientas para más de 100 lenguas, pero no para las consideradas de bajos recursos lingüísticos por la reducida cantidad de contenidos disponibles en internet. Me parece que seguir priorizando de esta manera es un error porque se puede estar dejando de lado conocimiento clave para mejorar el mundo. Se han abierto en el mundo espacios como el Foro de Saberes Indígenas en la Prevención y Gestión de Riesgos Ambientales, donde mucha gente se queda sin participar, o las ideas no se expresan fielmente, debido a la falta de paralelos en lenguas y culturas dominantes. 

Para automatizar un intérprete es indispensable contar con una gran cantidad de ejemplos de frases (habladas y/o escritas) en las dos lenguas involucradas (en este caso el Maya y el Español). Esta colección, conocida como corpus paralelo, se utiliza para entrenar el intérprete digital y, como en todo proceso de aprendizaje, más entrenamiento redunda en un mejor desempeño.

Contar con un gran corpus paralelo Maya-Español es el primer reto dado el reducido número de recursos para los maya-hablantes o lo dispersos que se encuentran los existentes. Haciendo una búsqueda exhaustiva podemos encontrar una variedad de contenido (obras literarias o científicas, videos de eventos, programas de radio, etc.) que se han creado por diferentes autores, con diferentes fines, y por lo tanto, con variantes en la escritura y/o pronunciación. Esta dispersión y falta de uniformidad es otro de los desafíos a los que nos enfrentamos.

 Las grabaciones se realizaron en un ambiente controlado en la Universidad Intercultural Maya de Quintana Roo, utilizando las voces de ocho estudiantes de la Licenciatura en Lengua y Cultura (2 hombres, 6 mujeres) , dirigida por el profesor Martín Esquivel Pat. Se produjo un corpus paralelo (maya-español), que contiene 3618 archivos de audio, el 20% corresponde a voces masculinas y el 80% a voces femeninas. Aquí presentamos algunos ejemplos: