Model
GuaranIA-Gemma
LLM de pesos abiertos basado en Google Gemma-4 y adaptado para tareas en guaraní. Estará disponible públicamente en HuggingFace próximamente.
TBD
Llevando el guaraní al mundo digital a través de la IA
GuaranIA
GuaranIA es un proyecto financiado por el BID Lab y desarrollado por el CIDIT para avanzar en la inclusión digital de las comunidades de habla guaraní a través de infraestructura abierta de IA, incluyendo modelos, conjuntos de datos, herramientas y aplicaciones que mejoran el acceso a productos y servicios digitales.
Contribuciones Técnicas
LLMs, Conjuntos de Datos y Herramientas para el Guaraní.
Resultados técnicos del proyecto para la construcción de infraestructura de IA en entornos de idiomas de bajos recursos.
Modelos
En desarrollo
Model
GuaranIA-Llama
LLM de pesos abiertos basado en META Llama-3.1 y adaptado para tareas en guaraní. Estará disponible públicamente en HuggingFace próximamente.
TBD
Conjuntos de datos
Corpus
Kuatia
Colección curada de más de 40 fuentes reales y sintéticas de documentos en guaraní, incluyendo artículos, sitios web, libros y contenido de redes sociales.
CC-BY-4.0Ver en Hugging Face
Benchmark
MMLU (Guarani)
Versión traducida profesionalmente del benchmark MMLU Lite para el guaraní. Estará disponible públicamente en HuggingFace próximamente.
CC-BY-4.0
Benchmark
MGSM (Guarani)
Versión traducida de forma participativa del benchmark Multilingual Grade School Math (MGSM) para el guaraní. Estará disponible públicamente en HuggingFace próximamente.
TBD
Benchmark
WLNI (Guarani)
Versión traducida de forma participativa del benchmark Winograd para el guaraní. Estará disponible públicamente en HuggingFace próximamente.
TBD
Herramientas y Aplicaciones
Package
GuaraScrapper
Rastreador web diseñado para recorrer sitios web públicos y recopilar contenido textual escrito en guaraní.
Apache-2.0Ver en GitHub
Package
GuaraTune
Framework para adaptar modelos de pesos abiertos al guaraní mediante CPT y SFT en corpus en guaraní.
GNU GPLv3Ver en GitHub
Web Application
Mboehara Digital
Plataforma para facilitar la ejecución de iniciativas de traducción participativa y anotación.
TBDVer en línea
Mobile Application
AIContigo
Aplicación basada en WhatsApp e impulsada por IA para ayudar a los pacientes a seguir sus tratamientos médicos.
TBD
Metodologías
Methodology
Corpus Pipeline
Metodología para crear Kuatia, el corpus en guaraní, a través de técnicas avanzadas de preprocesamiento y validación de expertos lingüísticos.
TBD
Publicaciones
Investigación, informes y textos del proyecto.
Artículos públicos, documentos académicos, notas de lanzamiento e informes técnicos producidos a lo largo del proyecto.
Medium article
How do modern AI tools understand Guarani?
Artículo de blog que presenta experimentos para estudiar cómo las herramientas avanzadas de reconocimiento automático del habla (ASR) manejan el guaraní, comparando el rendimiento de cinco modelos, incluyendo Omnilingual ASR de META.
Medium article
How well do today’s AI models handle Guarani?
Artículo de blog que presenta un estudio comparativo que evalúa 14 modelos avanzados de IA generativa en tareas de traducción al guaraní, revelando un claro balance entre la fidelidad de la traducción y la validez lingüística.
Equipo de GuaranIA
[algunas de las] personas que hacen posible GuaranIA.
Luca Cernuzzi
Coordinador del proyecto
Profesor de ingeniería de software e investigador sénior con doctorados de universidades italianas, más de 130 publicaciones y amplia experiencia en I+D, consultoría y asesoramiento en el sector público.
Jorge Saldivar
Ingeniero de Investigación en IA Sénior
Informático con un Doctorado en Tecnologías de la Información y Comunicación de la Universidad de Trento, Italia, y experiencia en IA, PLN, Ciencia de Datos y Ciencia Social Computacional.
Marvin Aguero
Ingeniero de Investigación en IA Sénior
Investigador en ingeniería de PLN con un Doctorado en Ciencias de la Computación de la Universidad de Granada, España, y especialización en minería de textos, aprendizaje automático y procesamiento de datos para idiomas de bajos recursos.
Teresa Gamarra
Coordinadora comunitaria
Experta sénior en riesgos, comunicación y políticas sociales con más de 35 años liderando proyectos humanitarios, del sector público, de investigación y de cooperación internacional.
Luis Chiruzzo
Colaborador Técnico de IA/PLN
Profesor asistente en la Universidad de la República (UdelaR), Uruguay, con formación en Ingeniería en Computación y maestrías y doctorados de la UdelaR. Experto en PLN para idiomas de bajos recursos.
Agustin Lucas
Ingeniero de Investigación en IA
Ingeniero de Aprendizaje Automático especializado en GenAI en producción, PLN, RAG, sistemas multimodales, traducción de bajos recursos e infraestructura de ML basada en la nube.
Andrea Báez
Ingeniera de Investigación en IA
Informática e Ingeniera en Información con experiencia en IA, aprendizaje automático y ciencia de datos.
Cecilia González
Desarrolladora de Software
Estudiante de ingeniería informática y desarrolladora de Python con experiencia en APIs REST y proyectos de PLN.
Carlos Lugo
Ingeniero de Software
Ingeniero de Software con experiencia en desarrollo web backend y frontend, y aprendizaje automático.
Raquel Insfrán
Desarrolladora de Software
Estudiante de Ingeniería Informática y desarrolladora MERN certificada con habilidades en aplicaciones web, bases de datos, trabajo en equipo, resolución creativa de problemas y aprendizaje continuo.
Ramón Araujo
Desarrollador de Software
Estudiante de Ingeniería Informática con experiencia en desarrollo de software, procesamiento y análisis de datos.
Financistas y aliados
