Transcribe llamadas de soporte para una telco de Málaga
Visión general
De qué trata este proyecto.
Recibes 200 llamadas anonimizadas (50 por variedad: Castilla, Andalucía, México, Colombia) con transcripción de referencia. Despliega Whisper-medium localmente, ejecuta inferencia, normaliza salida (números, acrónimos, jerga telco) y calcula WER por variedad. Aplica un diccionario de corrección dominio-específico (términos como 'GPON', 'tarifa plana', 'ONT'). Éxito: WER ≤15 % por variedad y un análisis de 10 errores frecuentes con propuesta de mitigación.
El Briefing
Lo que harás y lo que demostrarás.
Construir un pipeline de transcripción de llamadas en español con WER ≤15 % por variedad regional.
Earning criteria — what you'll demonstrate
- Desplegar y evaluar un modelo ASR open-source en producción
- Aplicar normalización de texto y corrección de dominio
- Medir WER con intervalos por subgrupo (variedad regional)
- Diagnosticar errores recurrentes para iterar el sistema
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Trayectorias profesionales que esto construye
Roles canónicosIngeniero/a de Procesamiento de Lenguaje Natural
ASR con dominio adaptado es uno de los pilares del rol NLP en empresas con voz.
Este proyecto afina
- automatic-speech-recognition
- whisper
- domain-adaptation
Ingeniero/a de IA
Desplegar un modelo open-source y empaquetarlo reproduciblemente es el día a día de AI engineering.
Este proyecto afina
- whisper
- automatic-speech-recognition
- text-normalization
Ingeniero/a de Machine Learning
Medir WER por subgrupo y proponer mitigaciones es músculo central de MLE en sistemas multimodales.
Este proyecto afina
- wer-evaluation
- domain-adaptation
- automatic-speech-recognition