Überall auf der Welt werden täglich Sprachdaten und -technologien von Universitäten, Schulen, kulturellen Institutionen, Nachrichtenagenturen, nicht-akademischen Organisationen, Behörden und sozialen Medien erzeugt. Diese Ressourcen dienen zwar in der Regel einem eigenen Bedarf, doch wenn sie in standardisierten Formaten zugänglich gemacht würden, könnten sie viel größeren Initiativen zugute kommen. Das Institut für Angewandte Linguistik möchte ein Forschungszentrum und eine Beobachtungsstelle für Sprachdienste, das linguaXlab, einrichten, um den Zugang und die (Wieder-)Verwendung der in Südtirol produzierten und auf Südtirol bezogenen linguistischen Daten und Technologien zu maximieren und deren Austausch zwischen verschiedenen Nutzergruppen in der Region zu erleichtern. Unter Nutzung der Expertise des gesamten Instituts wird das linguaXlab neben anderen linguistischen Dienstleistungen Unterstützung bei der Datenarchivierung, Suchfunktionalität, terminologischen Datenbanken, maschinellem Lernen, Informationsextraktion und Daten-FAIRifizierung für Akteure mit unterschiedlichem Hintergrund (z. B. aus dem Bereich des kulturellen Erbes, der öffentlichen Verwaltung oder dem medizinischen Bereich) anbieten, um gemeinsam die Sprachforschung und -entwicklung für Südtirol und darüber hinaus voranzutreiben.
Discover
Verwandte Expertinnen und Experten, Publikationen und Forschungsthemen ansehen.
Eurac Research ist ein privates Forschungszentrum mit Sitz in Bozen, Südtirol. Unsere Forscherinnen und Forscher kommen aus allen Teilen der Welt und arbeiten in vielen verschiedenen Disziplinen. Gemeinsam widmen sie sich dem, was ihr Beruf und ihre Berufung ist – Zukunft zu gestalten.
Unsere Forschung befasst sich mit den größten Herausforderungen, vor denen wir in Zukunft stehen: Menschen brauchen Gesundheit, Energie, gut funktionierende politische und soziale Systeme und ein intaktes Umfeld. Dies sind komplexe Fragen, und wir suchen nach Antworten in der Interaktion zwischen vielen verschiedenen Disziplinen. [Über uns](/de/ueber-uns-eurac-research)
Eurac Research Headquarter
Viale Druso 1
39100 Bolzano
Italy
Eurac Research NOI Techpark
Via A.-Volta
39100 Bolzano
Italy
Except where otherwise noted, content on this site is licensed under a Creative Commons Attribution 4.0 International license.
Meine Cookie EinstellungenDucceschi L, Franzini G
AUGUSTA (Artificial UnderstandinG of Utterances Spoken in Tyrolean Accents) is a family of Speech-to-Text language models fine-tuned for South Tyrolean dialect translation into Standard German.
DOI: 10.5281/zenodo.15553913
Spina S, Brasolin P, Franzini GH
This exploratory study investigates lexical change and innovation in contemporary Italian micro-blogging using a corpus of 5.32 million timestamped and geotagged tweets sampled from the 2022 Italian Twitter timeline. We develop a new method to identify 720 unattested forms (347 forms and 373 hashtags) as candidate neologisms. Our results show that orthographic variation, univerbation, suffixation, loanwords and portmanteaus are the most common categories of lexical creation in the data analysed, which appears to be driven by creativity, amusement and attention-seeking behaviour rather than a need for new words to define new objects, events or situations.
DOI: 10.32714/ricl.13.01.07
Ducceschi L, Franzini GH
This study presents the first fine-tuned Whisper model for the automatic translation of South Tyrolean dialectal speech into Standard German text. To address an unmet need for subtitling and translation, we introduce a small corpus of manually annotated and synthetic speech data compiled for this task. Through fine-tuning and hyperparameter optimisation, our model achieves a BLEU score of 86.18 significantly outperforming baseline error rates. Our findings highlight Whisper's effectiveness in handling dialectal speech, contributing to low-resource language research. The model is already being used in a heritage collaboration for large-scale translation of audiovisual archival material and is also being considered for application in news broadcasting and tourism promotion. Future directions include expanding the training data and extending hyperparameter optimisation to improve the model's performance and generalisation across South Tyrolean dialectal variations.
DOI: 10.21437/Interspeech.2025-1976
Franzini GH, Brasolin P, Spina S
This paper outlines ongoing research into lexical innovation in contemporary Italian in the context of social media. To date, the study has used a dataset of 5.32M timestamped and geotagged tweets extracted from the 2022 Italian timeline, yielding 720 emerging word forms. Here, we describe the reproducible pipeline developed to extract candidate neologisms from our dataset and introduce a custom tool to visualise the emergence and spread of candidate neologisms in the time-period under investigation.
DOI: 10.6092/unibo/amsacta/7927
Conference: First Workshop on Dialects in NLP — A Resource Perspective | Palma de Mallorca | 16.5.2026 - 16.5.2026
Weitere Informationen: poster
Conference: CLARIN Café - JOHD Special Collection on Language Dataset Reuse | online | 24.6.2026 - 24.6.2026
