Entrenamiento de un motor de traducción automática inglés-español especializado en el campo de los videojuegos mediante el software MTUOC basado en la red profunda Transformers

Abstract

Este trabajo presenta el entrenamiento y la evaluación de un motor de traducción automática neuronal (MT) especializado en el par inglés español, enfocado en el ámbito de los videojuegos. Para su desarrollo, se utilizaron los scripts del proyecto MTUOC, que permiten gestionar corpus paralelos y entrenar modelos basados en arquitecturas Transformer, como MarianNMT. Para ello, se construyó un corpus paralelo de aproximadamente 50.000 pares de segmentos, compuesto principalmente por diálogos extraídos de novelas visuales y adaptaciones de traducciones no oficiales (fantranslations). Este corpus fue alineado manualmente y utilizado para realizar un proceso de fine-tuning sobre un modelo base preentrenado del proyecto OPUS-MT para el par inglés-español.