Módulo de procesamiento speech to text para reconocimiento de tareas en proyectos mediante modelos LLM

Este proyecto se centra en el desarrollo de un módulo de procesamiento de voz a texto para el reconocimiento de tareas en proyectos, utilizando modelos de lenguaje a gran escala (LLM) basados en grabaciones de reuniones de equipo. Se emplean herramientas avanzadas como Google Cloud Speech-to-Text, Deepgram, Gemini AI y Vertex AI para obtener transcripciones precisas, que posteriormente se utilizan para generar tareas estructuradas almacenadas en una base de datos y accesibles a través de una interfaz web. La metodología adoptada incluye la integración de modelos de lenguaje a gran escala y aprendizaje supervisado para mejorar la precisión de las transcripciones y la categorización de tareas. Los resultados demuestran una mejora significativa en la gestión y seguimiento de proyectos al automatizar el reconocimiento y estructuración de tareas, optimizando así la productividad del equipo. Este enfoque proporciona una base sólida para futuras implementaciones en herramientas relacionadas con la gestión de proyectos.

• Autores: Sáenz, Salomón; Constante, Samuel; Barandica, Sebastián
• Fecha de publicación: 2024
• Institución: Universidad del Norte
• Repositorio: Repositorio Uninorte
• Idioma: spa
• OAI Identifier: oai:manglar.uninorte.edu.co:10584/13002
• Acceso en línea: http://hdl.handle.net/10584/13002
• Palabra clave: Speech-to-text, Reconocimiento de tareas, Gestión de proyectos, Modelos grandes de lenguaje, Transcripción, Aprendizaje supervisado, Gemini AI, Vertex AI, Deepgram.; Speech-to-text, Task recognition, Project management, Large language models (LLM), Transcription accuracy, Supervised learning, Gemini AI, Vertex AI, Deepgram.
• License: Universidad del Norte