Papa Reo — La Plataforma de IA de Voz Māori de Te Hiku Media, Construida Sobre la Soberanía Indígena de Datos

Te Hiku Media, una organización mediática benéfica de propiedad colectiva de cinco iwi del Extremo Norte (Ngāti Kuri, Te Aupōuri, Ngāi Takoto, Te Rarawa y Ngāti Kahu), realizó en 2017 la campaña de financiación colectiva Kōrero Māori, recopilando más de 300 horas de habla en te reo Māori etiquetada en solo 10 días, con más de 2.500 participantes que leyeron más de 200.000 frases.

En 2019, el Ministerio de Negocios, Innovación y Empleo de Nueva Zelanda invirtió NZ$13 millones para lanzar Papa Reo, una plataforma multilingüe de procesamiento del lenguaje natural con una duración de siete años — el único proyecto de este tipo en Nueva Zelanda no liderado por una universidad.

Utilizando el kit de herramientas de código abierto NVIDIA NeMo y GPU NVIDIA A100, Te Hiku Media construyó un sistema de reconocimiento automático del habla que alcanza el 92% de precisión en te reo Māori y el 82% en habla bilingüe māori-inglés. Los modelos alimentan el servicio de transcripción Kaituhi y el archivo Whare Kōrero (unas 1.000 horas de contenido a lo largo de tres décadas), utilizado por unas 20 emisoras de radio māoríes.

Un elemento central del proyecto es la Licencia Kaitiakitanga, que mantiene los datos de voz māori bajo gobernanza māori en lugar del dominio público o el control corporativo, habiéndose obtenido el apoyo de los ancianos y un consentimiento transparente antes de cualquier recopilación de datos. Este modelo se cita ahora en otros contextos como referencia para la soberanía de datos indígena en IA lingüística.

Advertencia: la continuidad de Papa Reo depende de una única subvención gubernamental de siete años y de un pequeño equipo especializado; no se encontró en fuentes públicas ninguna evaluación independiente de sostenibilidad posterior al período de financiación.