Equipo [Traductor básico de lenguaje de señas con IA (inteligencia artificial)] Miguel Angel Bautista Barrera[Águila], Carlos Santiago Hidalgo Resendiz[Águila], Hansel Matías Natividad Torres[Águila]
La importancia de un traductor de lenguaje de señas radica en que facilita la inclusión y el entendimiento entre personas sordas y oyentes. Además, demuestra cómo la tecnología puede ayudar a resolver problemas reales de comunicación. Estos traductores pueden usarse en escuelas, hospitales, trabajos y muchos otros lugares donde la comunicación es esencial.
El lenguaje de señas es una forma de comunicación que permite a las personas sordas expresarse utilizando las manos, el rostro y el cuerpo. Aunque es un idioma completo, muchas personas que oyen no lo conocen, lo que a veces dificulta la comunicación. Por esta razón, la tecnología se ha interesado en crear herramientas que ayuden a entender y traducir el lenguaje de señas de manera más rápida y accesible.
Un traductor básico de lenguaje de señas con inteligencia artificial (IA) es un sistema que utiliza cámaras o sensores para observar los movimientos de las manos y las expresiones de quien está haciendo las señas. Después, la IA analiza esos movimientos, los compara con una base de datos previamente aprendida y determina qué palabra o frase representan. Finalmente, el traductor convierte esas señas en texto o voz para que otras personas puedan comprender lo que se quiere decir.
Este tipo de proyecto funciona gracias al aprendizaje automático, una rama de la IA que permite que las computadoras aprendan a reconocer patrones. Para lograrlo, primero se entrenan con miles de ejemplos de señas. Con el tiempo, el sistema mejora su precisión y puede distinguir movimientos parecidos, logrando traducir con mayor claridad.
The importance of a sign language translator lies in its ability to facilitate inclusion and understanding between deaf and hearing individuals. In addition, it demonstrates how technology can help address real communication challenges. These translators can be used in schools, hospitals, workplaces, and many other settings where effective communication is essential.
Sign language is a form of communication that allows deaf individuals to express themselves using their hands, facial expressions, and body movements. Although it is a complete language, many hearing people are not familiar with it, which can make communication difficult at times. For this reason, technology has focused on developing tools that help interpret and translate sign language in a faster and more accessible way.
A basic sign language translator using artificial intelligence (AI) is a system that employs cameras or sensors to observe hand movements and facial expressions produced during signing. The AI then analyzes these movements, compares them with a previously learned database, and determines which word or phrase they represent. Finally, the translator converts the signs into text or speech so that others can understand the intended message.
This type of project operates through machine learning, a branch of AI that enables computers to learn to recognize patterns. To achieve this, systems are first trained with thousands of sign language examples. Over time, the system improves its accuracy and becomes capable of distinguishing between similar movements, resulting in clearer and more reliable translations.
In tlen moneki se tlahcuiloltequitini tlen tlajtoli ika seña mochihua ipampa quimopalehuía in tlamantli tlen tlatzintli uan tlen tlaca tlaca, uan quipalehuía ma mochipa caxtlahuilli in tlajtoli. Nojquiya, quitemoa quen in tecnología hueli quipalehuía quiselis tlajtoli tlen nelia moneki. Inin tlahcuiloltequitini hueli moixmatiya ipan calmecac, ipan tecpan, ipan tequitl uan ipan miyec occequin lugar campa in tlajtoli nelia moneki.
La comunicación es esencial para que las personas podamos convivir, aprender y resolver problemas juntos. Sin embargo, no todos usamos los mismos métodos para comunicarnos. Las personas sordas utilizan el lenguaje de señas, un sistema completo basado en movimientos de las manos y expresiones faciales. El problema es que muchas personas oyentes no lo conocen, lo que puede generar barreras y malentendidos en la vida diaria. Por esta razón, surge la necesidad de crear herramientas tecnológicas que faciliten la comunicación entre ambos grupos.
En este proyecto se investiga la creación de un traductor básico de lenguaje de señas usando inteligencia artificial, programado en Python (Imagen 1), un lenguaje de programación que permite analizar imágenes y reconocer patrones. El objetivo principal es diseñar un sistema capaz de identificar algunas señas simples y convertirlas en texto. Con esto, se busca demostrar cómo la tecnología puede apoyar la inclusión social y mejorar la accesibilidad
Imagen 1 Lenguajes de programación Phyton
La justificación de este proyecto se basa en que una herramienta como esta puede beneficiar a estudiantes, maestros, familias y a cualquier persona que desee comunicarse mejor con personas sordas.
Como posible solución, se plantea que un sistema entrenado con ejemplos de señas podrá reconocerlas correctamente y traducirlas. Para lograrlo, la metodología incluye recopilar imágenes, programar en Python, entrenar un modelo de inteligencia artificial y probar su funcionamiento.
Este estudio muestra que, aunque es un prototipo básico, se alcanzó el nivel esperado: el sistema puede identificar algunas señas y traducirlas, demostrando que la tecnología es una gran herramienta para apoyar la inclusión.
El objetivo principal de este proyecto es demostrar cómo la tecnología puede apoyar la inclusión y facilitar la comunicación entre personas sordas y oyentes. Además, busca mostrar que los niños y jóvenes pueden utilizar la programación y la inteligencia artificial para resolver problemas reales y crear inventos útiles para su comunidad.
Elegimos este tema porque nos interesa cómo la tecnología puede ayudar a las personas. Muchas veces, las personas que usan el lenguaje de señas tienen dificultades para comunicarse con quienes no lo conocen. Pensamos que si creamos un programa con inteligencia artificial que pueda reconocer e interpretar las señas, se podría facilitar la comunicación entre todos. También nos ayuda a entender cómo la inteligencia artificial puede “aprender” a reconocer movimientos o imágenes, igual que las personas aprenden observando. Con este proyecto queremos demostrar que la tecnología no solo sirve para jugar o divertirse, sino también para ayudar a las personas y hacer que la sociedad sea más inclusiva.(Imagen 2)
Imagen 2 Lenguaje de señas
En el mundo existen muchas personas que se comunican mediante el lenguaje de señas porque no pueden oír o hablar. Sin embargo, la mayoría de las personas no conocen este lenguaje, por lo que comunicarse con ellas puede ser difícil. Esto puede causar malentendidos, aislamiento o que las personas sordas no puedan expresarse fácilmente en lugares públicos, escuela o trabajos. (Imagen 3)
Imagen 3. Aprendizaje de lengua de señas
La falta de comunicación entre personas sordas y oyentes es un problema importante, porque impide la inclusión y la igualdad de oportunidades.
Por eso surge la necesidad de buscar herramientas tecnológicas que sirvan como puente entre ambos grupos. Un programa que use IA para interpretar señas podría ayudar a traducir los gestos en palabras y facilitar la comunicación diaria. (Imagen 4)
Imagen 4. IA
Si utilizamos IA para reconocer señas entonces podremos traducirlas en palabras o voz y facilitar la comunicación.
Diseñar y probar un traductor básico de lenguaje de señas que utilice la IA para convertir señas simples en texto o voz con el fin de mejorar la comunicación inclusiva.
El proyecto contribuye a los Objetivos de Desarrollo Sostenible, especialmente al ODS 10 (Reducción de desigualdades) y al ODS 4 (Educación de calidad), ya que promueve la igualdad de oportunidades. (Imagen 5)
Imagen 5. Objetivos de desarrollo sostenible.
Lenguaje de Señas Mexicana
La Lengua de Señas Mexicana (LSM) es una de las manifestaciones culturales y lingüísticas más ricas de nuestro país (Imagen 6). Es un idioma vivo, lleno de matices, historia y estructura propia. Es la lengua materna de miles de personas sordas y el puente fundamental para que accedan a su derecho humano más básico: la comunicación. Sin embargo, a pesar de su relevancia, la LSM enfrenta una paradoja peligrosa: es indispensable para una comunidad entera, pero sigue tratándose como un accesorio voluntario, informal e improvisado dentro de las políticas públicas y los ámbitos de formación profesional.
Imagen 6. Abecedario de señas mexicanas
Hablar de LSM no es únicamente hablar de inclusión. Es hablar de la lucha por un idioma que, aunque reconocido legalmente desde 2005, continúa relegado a la buena voluntad de instituciones, intérpretes, escuelas y personas que intentan difundirlo sin un sistema estandarizado, sin procesos formativos sólidos y, peor aún, sin supervisión.
La historia de las lenguas de señas -desde las raíces comunitarias en la época premoderna hasta su consolidación en Francia en el siglo XVIII- siempre ha estado marcada por la resistencia (Imagen 7). Cuando Charles-Michel de l’Épée reconoció que las personas sordas ya poseían una lengua propia, desafió una visión que buscaba “corregir” la sordera a través de la oralidad forzada. A partir de ese acto, las lenguas de señas ganaron fuerza en distintos países, transformándose en idiomas completos y profundamente culturales.
Imagen 7. Charles-Michel de l’Épée
La LSM siguió un camino similar. Nació de la práctica comunitaria, se fortaleció en escuelas para sordos desde el siglo XIX y evolucionó hasta convertirse en una lengua vibrante, diversa y transmisora de identidad. Sin embargo, aunque México reconoció oficialmente la LSM como lengua nacional hace dos décadas, ese reconocimiento no se ha traducido en accesibilidad real ni en un sistema de enseñanza profesionalizado.
El estudio de la comunicación entre los hombres se ha revitalizado en los últimos años en la Psicología. El hombre tanto desde el punto de vista de su desarrollo histórico como de su desarrollo individual, no puede vivir sin satisfacer sus necesidades materiales y espirituales, sin comunicarse con sus semejantes. Son varios los autores que reconocen la importancia que tiene la comunicación para el desarrollo personal y social. La necesidad de comunicarse dio origen al lenguaje como capacidad exclusiva del ser humano, la que se representa mediante un sistema de signos: la lengua, reconocida como uno de los principales elementos en el desarrollo del niño como ser social, a través del cual se transmiten los modelos de vida de una sociedad y de una cultura, y los patrones éticos y cognitivos para la formación de su personalidad. (Skliar, C. M., 1999, Peluso, 2000, Rodríguez, X., 2003) La Federación Mundial de sordos (FMS) aboga por la extensión de las oportunidades educativas al más amplio nivel, al contar con el servicio de interpretación en lengua de señas y profesores preparados para tales fines.
imagen 8
Debe asegurarse el acceso a la educación bilingüe, primero el empleo de su lengua materna y como segunda lengua la que se habla en su país, así se contribuye a su crecimiento psicológico y social. En la educación de las personas sordas ha existido una polémica histórica en relación con los métodos, tendencias y modelos utilizados para su proceso formativo. Unas desde posiciones más verticalistas y otras que abogan por el respeto a su diversidad lingüística, comunicativa y cultural como lo constituye la lengua de señas.
Documental.
Necesidades de inclusión para sordo mudos
Las necesidades de inclusión para personas sordomudas (personas sordas que no usan la lengua oral) se centran en la comunicación visual y táctil, el acceso a la Lengua de Señas (LS) como lengua nativa, el reconocimiento de su cultura, el uso de tecnología de apoyo, y entornos adaptados (buena iluminación, intérpretes, letreros), promoviendo la autonomía mediante educación bilingüe (LS y lengua escrita) y la participación plena en todos los ámbitos sociales y educativos, superando barreras con comunicación directa y respetuosa.
Necesidades Clave:
1.-Comunicación Visual:
Lengua de Señas (LS): Es fundamental para la comunicación fluida. Se necesita personal capacitado y acceso a la LS en todos los contextos (educación, trabajo, ocio). (Imagen 9)
Imagen 9. Comunicación visual
Inteligencia Artificial
La IA es una tecnología que permite a las computadoras aprender de ejemplos y reconocer patrones, como imágenes o movimientos. Con muchos ejemplos, la IA puede identificar qué señal corresponde a cada palabra. Esta técnica se llama aprendizaje automático o machine learning. (Imagen 10)
Imagen 10. Machine learning
La Inteligencia Artificial (IA) está revolucionando la comunicación para personas sordas y con dificultades auditivas, creando herramientas que traducen lenguaje de señas a texto/voz y viceversa en tiempo real, mediante el reconocimiento de gestos con visión artificial para facilitar la integración, el aprendizaje y la inclusión en ámbitos como la educación, salud y servicios públicos, a través de avatares interactivos y aplicaciones móviles que rompen barreras lingüísticas.
Aplicaciones y tecnologías clave
Un traductor de lenguaje de señas basado en inteligencia artificial tiene diversas aplicaciones en la vida cotidiana, especialmente en contextos donde la comunicación es fundamental. Una de sus principales aplicaciones es en el ámbito educativo, ya que puede facilitar la interacción entre estudiantes sordos y oyentes dentro del aula, promoviendo la inclusión y la igualdad de oportunidades de aprendizaje.
En el sector de la salud, este tipo de traductor puede utilizarse en hospitales y centros médicos para mejorar la comunicación entre pacientes sordos y el personal médico, ayudando a reducir errores y malentendidos durante consultas o emergencias.
También puede aplicarse en el entorno laboral, donde permite una mejor comunicación entre empleados sordos y oyentes, favoreciendo la integración y la colaboración en equipos de trabajo. Además, puede ser útil en espacios públicos como oficinas gubernamentales, bancos o centros de atención al cliente.
Finalmente, estas tecnologías pueden emplearse como herramientas de apoyo personal, permitiendo a las personas sordas comunicarse de manera más sencilla en su vida diaria mediante la traducción de señas a texto o voz.
Este proyecto se apoya en diversas tecnologías relacionadas con la informática y la inteligencia artificial. Una de las principales es la inteligencia artificial (IA), que permite al sistema analizar y reconocer los movimientos de las manos y las expresiones utilizadas en el lenguaje de señas.
Otra tecnología fundamental es el aprendizaje automático, que permite entrenar al sistema con diferentes ejemplos de señas para que aprenda a identificar patrones y mejore su precisión con el tiempo. Gracias a este proceso, el traductor puede reconocer señas similares y diferenciarlas correctamente.
El proyecto también utiliza Python como lenguaje de programación, debido a su facilidad de uso y a la disponibilidad de bibliotecas especializadas para el desarrollo de aplicaciones con IA. Asimismo, se emplean cámaras o sensores para capturar los movimientos de las manos, los cuales son procesados por el sistema.
Por último, se hace uso del procesamiento de datos, que permite convertir los movimientos detectados en información comprensible, como texto o voz, facilitando así la comunicación entre personas sordas y oyentes. (Imagen 11)
Imagen 11. Tecnología de inclusión
Campo
La investigación de campo de este proyecto se realizó con el apoyo de un asesor externo. Para ello, el equipo acudió a uno de los padres de los integrantes del proyecto, Carlos Ivan Hidalgo, ingeniero en sistemas y tecnologías y arquitecto en ciberseguridad, con el objetivo de recibir orientación sobre el desarrollo de un traductor de lenguaje de señas con inteligencia artificial.
Durante esta investigación, se llevaron a cabo entrevistas y sesiones de asesoría, en las que el asesor explicó de manera sencilla los conceptos básicos relacionados con la programación, el uso de inteligencia artificial y el funcionamiento general de un sistema de reconocimiento de señas. Estas sesiones permitieron al equipo comprender cómo registrar señas, entrenar al sistema y mejorar su funcionamiento. (Imagen 12)
Imagen 12. Registro de señas
Además, el asesor brindó recomendaciones sobre el uso del lenguaje de programación Python y sobre la importancia de probar el sistema varias veces para corregir errores y aumentar la precisión del traductor. La información obtenida durante la investigación de campo fue fundamental para tomar decisiones sobre el diseño del proyecto y para aplicar correctamente los conocimientos aprendidos en clase.
La investigación de campo permitió al equipo relacionar la teoría con la práctica, fortalecer su aprendizaje y desarrollar el proyecto de una manera más organizada. Gracias a esta experiencia, los estudiantes lograron avanzar en la creación de su traductor de lenguaje de señas y comprender mejor la aplicación real de la tecnología en la solución de problemas de comunicación.
Para realizar este proyecto se necesitaron los siguientes materiales:
Imagen 13. Equipo tecnológico
Imagen 14. Modelo de reconocimiento
Imagen 15. Material de registro
Experimental.
Dividimos en 3 partes:
Parte 1 Instalar Python 3.11
MUY IMPORTANTE
Marca esta casilla:
✔ Add Python 3.11 to PATH
Luego haz clic en:
Install Now
Espera hasta que diga:
Setup was successful
Haz clic en Close.
Presiona:
Windows + R
Escribe:
Presiona Enter.
Escribe:
Debe aparecer algo como:
Presiona Enter.
Escribe:
Presiona Enter.
Escribe:
Debe verse así:
Primero actualiza pip:
Luego instala librerías:
Espera hasta que termine.
Ahora vamos a crear los archivos.
Este proyecto tendrá 3 archivos principales:
ARCHIVOS
Este archivo crea el “cerebro” del programa.
entrenar_modelo.py
Pega este código:
import numpy as np
import pickle
from sklearn.ensemble import RandomForestClassifier
# Datos de ejemplo (simulación de posiciones de la mano)
X = np.array([
[1, 2, 3],
[2, 3, 4],
[5, 6, 7],
[6, 7, 8]
])
y = np.array([“Hola”, “Hola”, “Adios”, “Adios”])
modelo = RandomForestClassifier()
modelo.fit(X, y)
with open(“modelo.pkl”, “wb”) as f:
pickle.dump(modelo, f)
print(“Modelo entrenado y guardado como modelo.pkl”)
Guarda el archivo.
En la terminal escribe:
python entrenar_modelo.py
Debe aparecer:
Modelo entrenado y guardado como modelo.pkl
Ahora se creó el archivo:
modelo.pkl
Este archivo abre la cámara y usa el modelo.
Crea un nuevo archivo:
traductor.py
Pega este código:
import cv2
import numpy as np
import pickle
with open(“modelo.pkl”, “rb”) as f:
modelo = pickle.load(f)
cap = cv2.VideoCapture(0)
while True:
ret, frame = cap.read()
if not ret:
break
datos = np.array([[1, 2, 3]]) # Simulación
prediccion = modelo.predict(datos)
cv2.putText(frame, prediccion[0], (50, 50),
cv2.FONT_HERSHEY_SIMPLEX,
1, (0, 255, 0), 2)
cv2.imshow(“Traductor de Señas”, frame)
if cv2.waitKey(1) & 0xFF == ord(‘q’):
break
cap.release()
cv2.destroyAllWindows()
Guarda el archivo.
Imagen 16. Registro de señas M. Bautista
Imagen 17. Registro de señas H.M.Natividad
Imagen 18. Registro de señas C.S. Hidalgo
Imagen 19. Registro de señas M. Bautista
Imagen 20. Registro de señas H.M.Natividad
Imagen 21. Registro de señas C.S.Hidalgo
Durante nuestro proyecto logramos crear un programa que reconoce algunas señas del lenguaje de señas usando la cámara y las convierte en texto en la pantalla. Probamos el sistema con varias señas básicas como saludos, algunas letras y palabras sencillas.
El programa reconoció correctamente las señas en 8 de cada 10 intentos (aproximadamente 80%).
-Funcionó mejor cuando:
Cuando había poca luz o mucho movimiento, el reconocimiento bajaba.
Las señas que no tienen mucho movimiento fueron más fáciles de detectar que las que sí se mueven.
Esto demuestra que nuestro programa sí funciona, pero todavía puede mejorar.
La inteligencia artificial puede utilizarse para desarrollar herramientas que promuevan la inclusión y la comunicación.
Es posible crear un traductor básico del lenguaje de señas utilizando modelos accesibles de IA. La calidad del entrenamiento (cantidad y variedad de datos) influye directamente en la precisión del sistema.
Aunque el modelo no es perfecto, demuestra que la tecnología puede apoyar a las personas con discapacidad auditiva.
Este proyecto permitió comprender cómo funciona el entrenamiento de un modelo de IA y cómo aprende a reconocer patrones.
En general, el proyecto fue exitoso porque cumplió con el objetivoprincipal: desarrollar un prototipo funcional que traduce señas básicas a texto.
Subburaj, S. Survey on sign language recognition in context of vision and deep learning. (Revisión sobre técnicas como CNN y LSTM). ScienceDirect
Baihan, A. et al. Sign language recognition using modified deep learning models (CNNSa-LSTM). Scientific Reports, 2024 (ejemplo de combinación CNN + LSTM para mejores resultados). Nature
Putra, GGS. American Sign Language to Text Translation using Transformer. (Comparación entre Transformers y Seq2Seq). 2024. arXiv
FIAP / World Federation of the Deaf — datos sobre la población sorda y la importancia del lenguaje de señas para la inclusión social. FIAP+1
GeeksforGeeks. Sign Language Recognition System using TensorFlow in Python — guía práctica para empezar a programar un reconocimiento de señas con Python.
Martinez, R. (2025, noviembre 20). La lengua que no escuchamos: deuda histórica y futuro incierto de la Lengua de Señas Mexicana. LJA.MX. https://www.lja.mx/2025/11/la-lengua-que-no-escuchamos-deuda-historica-y-futuro-incierto-de-la-lengua-de-senas-mexicana-hablando-de-discapacidad-por-ricky-martinez/
Roméu, A. y Robáu, D. L. (2013). La lengua como sistema de signos. El signo lingüístico. En Ocaña, H., et al., De la lingüística precientífica a la. Editorial Pueblo y Educación.
Orri de Castorino, R. (2007). La lengua de señas y su importancia en la educación del sordo. Magisterio del río de la Plata.
Cruz, M. (2008). Algunas consideraciones más acerca de las investigaciones lingüísticas de las lenguas de señas y sobre su carácter de lenguas naturales. Tesis Doctoral: Gramática de la Lengua de Señas Mexicana. Universidad Autónoma del Estado de Morelos]
