arXiv:2605.28253v1 Announce Type: new 
Abstract: The preservation of under-resourced languages requires digital tools and resources shaped by and for their speakers. We present the first dedicated ASR resources for Puno Quechua (ISO 639-3: qxp): (1) the largest speech corpus for any single Quechua variety, consisting in 66 hours of recordings for scripted and spontaneous speech (including 36 hours of manually transcribed and validated data), collected via a participatory design campaign; (2) the first systematic ASR benchmark for Puno Quechua, evaluating state-of-the-art models and fine-tuning Whisper-base, wav2vec2-base, and XLS-R-300M, with and without continued pre-training (CPT); (3) an open release of all datasets and fine-tuned models.

تم الإعلان عن تطوير موارد مخصصة للتعرف التلقائي على الكلام (ASR) للغة كيتشوا بونو، والتي تتضمن أكبر مجموعة بيانات صوتية لأي نوع من أنواع الكيتشوا، مع 66 ساعة من التسجيلات، بما في ذلك 36 ساعة من البيانات المعتمدة. كانت هذه المبادرة جزءًا من حملة تصميم تشاركية تهدف إلى الحفاظ على اللغات ذات الموارد القليلة من خلال أدوات رقمية مصممة من قبل المتحدثين بها.

Se ha anunciado el desarrollo de recursos dedicados al reconocimiento automático de voz (ASR) para el Quechua de Puno, que incluye el corpus de voz más grande para cualquier variedad de Quechua, con 66 horas de grabaciones, incluidas 36 horas de datos validados. Esta iniciativa fue parte de una campaña de diseño participativo destinada a preservar las lenguas con pocos recursos a través de herramientas digitales moldeadas por sus hablantes.

Le développement de ressources dédiées à la reconnaissance automatique de la parole (ASR) pour le Quechua de Puno a été annoncé, comprenant le plus grand corpus de discours pour une variété de Quechua, avec 66 heures d'enregistrements, dont 36 heures de données validées. Cette initiative faisait partie d'une campagne de conception participative visant à préserver les langues sous-représentées grâce à des outils numériques façonnés par leurs locuteurs.

The development of dedicated automatic speech recognition (ASR) resources for Puno Quechua has been announced, featuring the largest speech corpus for any Quechua variety, with 66 hours of recordings, including 36 hours of validated data. This initiative was part of a participatory design campaign aimed at preserving under-resourced languages through digital tools shaped by their speakers.