BOLETÍN OFICIAL DEL ESTADO
Núm. 132

Sábado 3 de junio de 2023

Sec. III. Pág. 79553

que contribuirá a fomentar el desarrollo de un polo territorial en el que se genere
conocimiento y se transfiera de manera eficaz a la economía.
b. Impulso de un programa de emprendimiento digital intensivo en IA híbrida y
procesamiento del lenguaje natural. Su objetivo será el de promover spin-off surgidas de
los equipos de trabajo o impulsadas por los profesionales y estudiantes vinculados a las
líneas de acción del Centro de Inteligencia Nueva Economía de la Lengua.
2.

Corpus oral del español.

i. Creación de un corpus oral del español asociado al Espacio de Datos de la Nueva
Economía de la Lengua. Con el objetivo de conseguir economías de escala y eficiencias
generales, se desarrollará y compartirá el corpus oral como un componente común
(building block) para los espacios de datos sectoriales que lo necesiten cuyos desarrollos
se encuentran englobados en el Componente 12.i1 del PRTR.
El PERTE Nueva Economía de la Lengua promueve a través del proyecto tractor 1 la
creación de corpus, es decir, grandes conjuntos de datos lingüísticos estructurados en
español. Estos elementos constituyen un requisito esencial para impulsar la nueva
economía de la lengua y para posibilitar la competitividad de las aplicaciones basadas en
el español.
En el marco del proyecto Valle de la Lengua, se construirá el corpus oral del español,
que estará vinculado al Espacio de Datos de la Nueva Economía de la Lengua. Se trata
de un proyecto colaborativo internacional para crear un corpus unificado de español oral,
mediante la obtención y el procesamiento de datos de habla española.
El objetivo es crear el mayor corpus oral existente en la actualidad de cualquier
lengua hablada en el mundo. Su construcción tiene dos partes. Por un lado, contempla el
proceso de recopilación de datos de habla española, que implica al conjunto de los
países hispanohablantes y que debe ser lo más amplio, diverso y extenso posible.
Por otro lado, conlleva la estructuración y el procesamiento de todos los datos,
incluyendo la anotación de corpus y la generación de modelos de lenguaje, con el objeto de
garantizar su explotación de manera que pueda ponerse al servicio del desarrollo de
asistente conversacional, guías virtuales y cualquier otra aplicación vinculada al
procesamiento de lenguaje natural. La inversión en corpus orales permitirá mejorar en
español tareas como el reconocimiento automático y la síntesis del habla, el subtitulado
automático, la segmentación y diarización de audio y vídeo, el desarrollo de sistemas
conversacionales, el reconocimiento de emociones y otra información paralingüística, etc.
3. Promoción y difusión de la economía de la lengua y la Inteligencia Artificial en
español:

– Impulso de programas de foros de difusión. se diseñará un programa anual de
foros de expertos multinacionales y temáticos en los que se emitirán informes de calidad
y se prescribirán líneas de actuación. Su cometido es posibilitar que los resultados
derivados de la explotación del espacio de datos del Centro de Inteligencia lleguen a los
decisores públicos y privados.
– Organización de la Feria internacional anual sobre emprendimiento en el área de
Inteligencia Artificial en español, a celebrar junto con el Congreso Mundial de
Tecnologías del lenguaje e Inteligencia Artificial en español, incluyendo acciones de
difusión desarrolladas en el Jardín de la Lengua.

cve: BOE-A-2023-13313
Verificable en https://www.boe.es

El objetivo es establecer un canal de comunicación estable, dinámico y efectivo con
todas las instituciones y organizaciones implicadas en el impulso de la nueva economía
de la lengua. Pero también articular actuaciones de carácter divulgativo orientadas a
hacer partícipe al conjunto de la sociedad en la revolución asociada a la economía de la
lengua.
En este contexto se actuará en dos dimensiones: