Low-Resource Languages

Whisper-LM con léxico maya: corrección de transcripciones ASR de maya yucateco usando Gemini y un diccionario como referencia
Un pipeline en Google Colab que corrige transcripciones ruidosas de Whisper en maya yucateco combinando reglas morfológicas, un léxico de 2,988 entradas y Gemini 2.0 Flash como modelo corrector.
The YUA-ES Communicative Contexts Corpus: An Open Parallel Dataset of Everyday Yucatec Maya–Spanish Phrases
An openly licensed parallel corpus of 14,332 aligned phrase pairs in Yucatec Maya and Spanish, organized into 31 everyday communicative contexts — the first open, phrase-aligned corpus of its kind.
PDF Citar DOI View on Research Square
Generating a Culturally and Linguistically Adapted Word Similarity Benchmark for Yucatec Maya
Un benchmark de similitud de palabras cultural y lingüísticamente adaptado al maya yucateco, construido a partir de una Lista de Swadesh filtrada, que muestra que la elección del benchmark pesa más que el ajuste de hiperparámetros al evaluar word embeddings.
DOI Ver en Inteligencia Artificial
Mayasoundex: A Phonetically Grounded Algorithm for Information Retrieval in the Maya Language
Un algoritmo fonético tipo Soundex diseñado para la lengua maya, que genera códigos consistentes para palabras de sonido similar y permite una recuperación de información robusta frente a la variación ortográfica.
PDF