Saltar ao contido
ALIA· proxecto nósProbar agora
ALIA · Galería de exemplos

Exemplos de análise real.

Tres gravacións reais de investigadoras do Proxecto Nós analizadas co pipeline completo: transcrición Nós wav2vec2, métricas de fluidez e avaliación co modelo Salamandra 7B.

Exemplo 01 · 1m 30s · Nós wav2vec2 · Salamandra 7B

A orixe e necesidade do Proxecto Nós

Investigadora explica por que o galego necesita tecnoloxía lingüística propia e os primeiros pasos do Proxecto Nós.

1 castelanismo1 muletilla3 repeticións116 pal/minMTLD 62.44 pares léxicos
A decodificar forma de onda…
muletillacastelanismorepeticiónsilencio
Puntuacións
8,8
Corrección
10,0
Fluidez
8,8
Vocabulario
9,5
Estrutura
9,4
Puntuación global · sobre 10
Diagnóstico

Discurso fluído, articulado e con vocabulario técnico preciso. A narradora mantén un ritmo constante (116 pal/min), sen pausas longas e cunha prosodia moi expresiva (F0 CV=0,41). Rexístranse algunhas repeticións léxicas —«tecnoloxías» 4 veces en 27 segundos e «necesidade» 3 veces en 8 segundos— que, sen afectar á corrección, reducen a riqueza expresiva. A forma «dedende» por «dende» é o único desvío normativo relevante. O discurso ten boa estrutura argumental, ben delimitada en tres bloques: contexto institucional, razón de ser do proxecto e obxectivos.

Nota estimada · 9,1 / 10

Accións prioritarias
  1. Substituír as repeticións de «tecnoloxías» por alternativas contextuais: «sistemas», «recursos dixitais», «ferramentas computacionais», «aplicacións»
  2. Usar sinónimos de «necesidade»: «carencia», «demanda urxente», «esixencia» ou reformular: «a razón de ser é que...»
  3. Corrixir «dedende» por «dende» ou «desde» — forma normativa segundo a RAG
  4. Incluír un marcador de peche para a última idea truncada: «en definitiva», «para rematar», «en resumo»
Fortalezas
  • Ritmo de elocución óptimo: 116 pal/min, dentro do rango recomendado para exposición técnica (110–160 pal/min)
  • Prosodia moi expresiva: coeficiente de variación F0 do 40,8%, ben por riba do limiar de monotonía (15%)
  • Estrutura argumental clara en tres bloques, sen marcadores confusos nin digresións
  • Vocabulario técnico pertinente e en galego: «fornecer», «dispoñer», «temperán», «ámbito»
  • Ausencia de castelanismos relevantes e dicción comprensible sen interferencias do castelán
Debilidades
  • «tecnoloxías» repítese 4 veces nun tramo de 27 segundos (s. 37–65): reduce a percepción de riqueza léxica
  • «necesidade» aparece 3 veces en 8 segundos (s. 33–41): buscar alternativas como «carencia», «demanda» ou «urxencia»
  • Forma non normativa «dedende» en lugar de «dende» (ou «desde»)
  • MTLD de 62,4: diversidade léxica moderada, con marxe de mellora mediante variación sinonímica
  • Inicio abrupto do audio sen contexto previo de presentación
Transcrición
Marcas:CastelanismoLusismoRetrousoRepetición

iugalega e por parte da xunta de galicia tamén co centro ramón piñeiro pois estámoso impulsando dedende un momento moi temperán foi dos primeiros proxectos que no ámbito das comunidades autónomas con linguas oficiais apareceron

o proxecto nós pons en marcha no último trimestre do ano vinteún e vense desenvolvendo desde esa data e a razón pola que se pon en marcha é pola necesidade que existe de desenvolvemento de tecnoloxías en galego en realidade pola necesidade de que poidamos dispoñer das tecnoloxías en galego e que poidamos vivir en galego tamén nese ámbito ese é a principal razón pola que existe o proxecto nós

aínda que o seu principal obxectivo non é tanto o desenvolvemento das tecnoloxías como por fornecer os recursos necesarios para que esas tecnoloxías se poidan desenvolver para que as aplicacións e ferramentas cheguen finalmente ao usuario o proxecto nós nace opor unha necesidade case vital para a lingua paa a lingua galega e é que se esta non está no mundo dixitalizado e desaparece consiste polo tanto en

Fluidez e ritmo
Nivel de fluidezMoi competitivo
116
Palabras por minuto
0
Pausas longas
1
Retrousos
4
Repeticións
62,4
Diversidade léxica
Silencio 5% · Prosodia moi expresiva · 173 palabras
Liña do tempo
0:04.0 – 0:04.5
Retrouso

Muletilla «pois» como conector de transición.

«pois»
0:33.5 – 0:41.0
repeticion:lexical

Cluster de repetición: «necesidade» 3 veces en 8 segundos (s. 33–41).

«pola necesidade»
0:37.7 – 1:05.0
repeticion:lexical

Cluster de repetición: «tecnoloxías» 4 veces en 27 segundos (s. 37–65).

«tecnoloxías»
Exemplo 02 · 1m 30s · Nós wav2vec2 · Salamandra 7B

Síntese de voz e o modelo Celtia

Investigadora describe o traballo de desenvolvemento de voces artificiais en galego e os requisitos para gravar modelos profesionais.

2 muletillas3 repeticións125 pal/minMTLD 71.53 pares léxicos
A decodificar forma de onda…
repeticiónmuletillasilencio
Puntuacións
9,2
Corrección
9,8
Fluidez
9,5
Vocabulario
8,8
Estrutura
9,0
Puntuación global · sobre 10
Diagnóstico

A investigadora explica con naturalidade e solvencia técnica o proceso de desenvolvemento de modelos de voz sintética en galego, desde a concepción do equipo ata os requisitos de gravación profesional. A fluidez é alta (125 pal/min) e a prosodia é equilibrada (CV=0,195). O principal punto a mellorar é a concentración de catro ocorrencias de «persoal» en cinco segundos (s. 14–19), que denota hesitación na elaboración do argumento. O carácter técnico do contido está ben integrado no discurso, con terminoloxía específica como «síntese de voz», «locutora de dobraxe» e «modelos de recoñecemento automático da fala».

Nota estimada · 8,7 / 10

Accións prioritarias
  1. Preparar o bloque de presentación do equipo: «o equipo que se incorporou era cualificado e capaz de afrontar o proxecto» en lugar das 4 repeticións de «persoal»
  2. Substituír o 2º «desenvolvemento» por un verbo activo: «tamén traballamos no recoñecemento automático da fala»
  3. Eliminar «pois» como conector de transición: substituír por «no meu caso», «en concreto» ou «particularmente»
  4. Preparar un enunciado de peche para rematar con conclusión: «en resumo, é un proceso que require voz real, esforzo de obtención e meses de adestramento»
Fortalezas
  • Ritmo áxil e sostido: 125 pal/min, moi preto do límite superior óptimo para rexistro técnico
  • Terminoloxía especializada ben integrada: «síntese de voz», «recoñecemento automático da fala», «locutora de dobraxe profesional»
  • Prosodia equilibrada (CV=0,195): a voz non cae en monotonía nin en hiperentonación
  • Riqueza léxica alta: MTLD 71,5 — ben por riba da media para galego oral técnico
  • Explica procesos complexos (adquisición de datos de dobraxe) de forma accesible e directa
Debilidades
  • «Persoal» repítese 4 veces en 5 segundos (s. 14–19): revela titubeo na construción do argumento
  • «Desenvolvemento» aparece 2 veces en 8 segundos (s. 33–41): reformular cun verbo de acción activo
  • A muletilla «pois» inicia a transición entre a presentación do equipo e a descrición do traballo propio
  • O remate do discurso queda truncado: «precísanses» (s. 89) non forma conclusión clara
Transcrición
Marcas:CastelanismoLusismoRetrousoRepetición

comigo tamén naceu o primeiro tradutor neuronal multilingüo e feito en galicia e o primeiro recoñecedor de voz que entendo o galego oral e o converte en textono momento en que nace o proxecto nós hai que incorporar persoal persoal cualificado e persoal que poida afrontar o proxecto

se puidemos contratar persoal que son un equipo magnífico sen o cal isto non sería posible pois eu traballo principalmente no desenvolvemento de modelos de voz artificial como é o modelo celtia que acabamos de ver pero taménn no desenvolvemento de modelos para o recoñecemento automático da fala

á súa vez coutras compañeiras tamén traballamos na compilación e a adaptación de recursos de voz e no caso dos sistemas de síntese de voz precísanse gravacións de alta calidade polo que o xeito de obtelos é realizando gravacións nun estudo profesional cunha locutora o locutor profesionalo modelo de celtia está baseado nunha voz real dunha locutora de dobraxe profesional ebu aquí si que houbo un esforzo moi importante para conseguir que unha persoa que se dedica a dobraxe acceda aacceder aos seus datos para destrá este tipo de modelos precísanses

Fluidez e ritmo
Nivel de fluidezMoi competitivo
125
Palabras por minuto
0
Pausas longas
2
Retrousos
3
Repeticións
71,5
Diversidade léxica
Silencio 1% · Prosodia equilibrada · 187 palabras
Liña do tempo
0:14.1 – 0:19.0
repeticion:lexical

Cluster de hesitación: «persoal» 4 veces en 5 segundos (s. 14–19). Indica reelaboración en voz alta do argumento.

«persoal persoal cualificado e persoal»
0:31.4 – 0:31.8
Retrouso

Muletilla «pois» como conector de transición.

«pois»
0:33.4 – 0:41.5
repeticion:lexical

«Desenvolvemento» repetido en 8 segundos (s. 33–41). Reformular con verbo de acción.

«desenvolvemento»
1:27.8 – 1:28.1
Retrouso

Muletilla «este» como apuntador vago antes de «tipo de modelos».

«este»
Exemplo 03 · 1m 29s · Nós wav2vec2 · Salamandra 7B

Datos, portugués e tradución automática

Investigadora sobre a estratexia de recursos lingüísticos, a colaboración con institucións lusófonas e o equipo de tradución automática.

1 lusismo2 muletillas3 repeticións107 pal/minMTLD 68.71 pausa longa5 pares léxicos
A decodificar forma de onda…
lusismomuletillarepeticiónsilencio
Puntuacións
8,5
Corrección
8,8
Fluidez
9,2
Vocabulario
8,0
Estrutura
8,4
Puntuación global · sobre 10
Diagnóstico

A investigadora presenta con claridade e terminoloxía técnica precisa o traballo de investigación en recursos lingüísticos para o galego. A corrección lingüística é boa e o léxico especializado está ben integrado no discurso. A velocidade de elocución sitúase lixeiramente por baixo do rango óptimo (107 pal/min), e rexístrase unha pausa de case 10 segundos que fragmenta o fío argumental no punto de xiro temático principal. Detéctase un lusismo leve: «dados» por «datos», comprensible polo contexto de traballo con corpora lusofalantes. O discurso ten estrutura de monólogo informativo, mais un maior uso de marcadores discursivos estruturadores reforzaría a cohesión entre as catro ideas principais.

Nota estimada · 8,4 / 10

Accións prioritarias
  1. Preparar un conector de transición para o punto de xiro (s. 19): «en canto á cuestión dos datos necesarios...» para evitar o bloqueo de 10 segundos
  2. Practicar o tramo final con ritmo lixeiramente máis áxil: 5–10 pal/min máis reduce a percepción de lentitude
  3. Substituír «calidade» por alternativas contextuais: «nivel lingüístico» · «estándar normativo» · «rigor textual» · «excelencia»
  4. Reemplazar «dados» por «datos» — forma normativa RAG para a variante galega estándar
  5. Incorporar marcadores discursivos entre bloques: «por outra banda», «en canto a», «a maiores», «nese mesmo sentido»
Fortalezas
  • Léxico técnico en lingüística computacional preciso e variado: «arquitecturas neuronais», «sistemas de síntese», «recursos lingüísticos», «tradución automática»
  • MTLD 68,7: diversidade léxica alta para o rexistro técnico oral en galego
  • Corrección lingüística xeral sólida, sen castelanismos relevantes
  • Argumentación coherente: xustifica a alianza galego-portugués antes de enunciar o problema de escaseza de datos
  • Capacidade de relativizar e matizar: «calidade baixa, por dicir dalgunha maneira»
Debilidades
  • Pausa de 9,9 segundos (s. 19–29): bloqueo prolongado que interrompe o fío argumental no punto de xiro temático
  • Velocidade de elocución baixa (107 pal/min, óptimo 110–160): a lentitude acentúa o efecto da pausa longa
  • «Calidade» repítese 5 veces no último tramo (s. 45–82): buscar alternativas como «nivel», «estándar» ou «excelencia»
  • «Recursos» repítese 4 veces (s. 44–70): usar «corpus», «conxuntos de datos», «materiais lingüísticos»
  • Lusismo «dados» por «datos» (s. 59): interferencia do portugués — lingua coa que traballa habitualmente
  • Escaseza de conectores estruturadores entre os catro bloques temáticos do discurso
Transcrición
Marcas:CastelanismoLusismoRetrousoRepetición

é unha das nosas liñas dedeacturación ten ue ver con adquirir estes datos en parte a través do contacto con institucións ou empresas do contexto galego que dispoñen de datos de texto

para nós é estratéxico traballar co portugués e coa institucións portuguesas colegas portugueses eportugueses e brasileiros porque portugués estanos axudando moito para desenvolver recursos de máis calidade e tamén de máis cantidade

e pola escaseza que hai en relación cca posibilidade de encontrar recursos só de galego destes sistemas neuronais arificiais é dicir as arquitecturas euronais artificiais requiren de moitos dados e de moita información polo tanto necesitamos moitos recursos canto máis mellor pero tamén buscamos moita calidade e o portuguerdanos esa calidade

os recursos en xeral do galego escritos en galego que encontramos opor exemplo na web en blogs e son de calidade baixa por dicir dalgunha maneira en canto á súa calidade lingüística e traballo na equipo de tración automática que nestes momentos estamos utilizando

Fluidez e ritmo
Nivel de fluidezMoi competitivo
107
Palabras por minuto
1
Pausas longas
2
Retrousos
5
Repeticións
68,7
Diversidade léxica
Silencio 13% · Prosodia moi expresiva · 159 palabras
Liña do tempo
0:00.0 – 0:50.0
Velocidade baixa

Velocidade baixa sostida (~69,3 pal/min no primeiro bloque). O discurso pode soar pesado en exposición continua.

0:19.7 – 0:29.6
Bloqueo

Bloqueo de 9,9 segundos (s. 19–29): pausa prolongada sen contexto sintáctico. É o punto crítico do discurso.

0:55.3 – 0:55.7
Retrouso

Muletilla «é dicir» como conector redundante.

«é dicir»
1:01.3 – 1:01.7
Retrouso

«Polo tanto» como marcador de relleno para ganar tempo.

«polo tanto»
0:44.0 – 1:22.0
repeticion:lexical

Cluster de repetición: «calidade» 5 veces e «recursos» 4 veces no último tramo (s. 44–82).

«calidade»