보호되어 있는 글입니다.

📱 엣지 장치를 위한 경량화된 한국어 음성인식 모델 분석Light-Weighted Korean Speech Recognition System for Edge Devices왕유승 · 우상민 · 김창익 (KAIST 전기및전자공학부) · 2023년 대한전자공학회 추계학술대회 논문집, pp. 161–164저자왕유승(Yooseung Wang), 우상민(Sangmin Woo), 김창익(Changick Kim)소속한국과학기술원(KAIST) 전기및전자공학부출처2023년 대한전자공학회 추계학술대회 논문집 pp.161–164 (국문 4쪽, DBPIA 수록). arXiv 아님코드/가중치공개 없음주제30M 파라미터 이하 온디바이스 환경을 겨냥한 경량 한국어 ASR의 구조·하이퍼파라미터 최적화 분석📌 한 줄 요약휴대폰급 저..

한 줄 요약 — 한국어 음성인식에 베이즈 딥러닝(변분 베이즈 드롭아웃)을 결합한 종단간 모델을 처음 적용한 연구. CTC·주의 기제·결합 모형을 자모 40자 출력으로 학습하고, 유한 오토마타(FA)로 초성→중성→종성 순서를 강제해 한글로 복원. 우리말샘 사전 음성 23.1시간에서 LER 4.58%·WER 26.4%로 당시 상용 API(Google 76%, Naver 35% WER)보다 우수했다.1. 배경 — 통계학과에서 본 한국어 ASR기존 한국어 음성인식은 음향모형(HMM) + 렉시콘 + 언어모형의 다단 구조라 음소·형태소 등 언어학 지식이 필수였다. 한국어는 교착어라 고유 단어 수가 무한히 늘어나("쓰다/씁니다/썼습니다") 단어 단위 학습이 어렵고, 형태소 단위 접근도 상당한 언어학적 지식을 요구한다..

한 줄 요약 — 자모(51자) 단위 한국어 음성인식의 고질적 약점인 규칙 기반 병합의 오류 전파를, mBART 아키텍처를 처음부터 학습한 신경망 자모 병합 모델로 해결. 잘못 인식된 자모까지 교정하면서 음절 문장으로 변환해, 규칙 기반 대비 CER 17.2%·WER 13.1%(상대, eval-clean) 개선.1. 왜 이 연구가 필요한가한국어 음성인식에서 출력 단위를 음절로 두면 클래스가 약 2,904자에 이른다. 희귀 음절은 학습 데이터에 몇 번 안 나오니 성능이 떨어지고 학습 비용도 커진다. 그래서 자모 51자(ㄱ–ㅎ, ㅏ–ㅞ)로 인식하는 접근이 제안됐지만(이원준 2021), 자모 시퀀스를 음절로 되돌리는 병합이 규칙 기반이라는 한계가 있었다.규칙 기반 병합은 인식이 완벽하면 문제없다. 하지만 자모 ..

본 문서는 Mamba(상태공간모델, SSM) 기반의 다국어 음성 인식 모델 MLMA(arXiv:2510.18684, Fondazione Bruno Kessler)를 분석한다. 6개 유럽 언어·약 12,000시간 규모로 학습된 최초의 다국어 Mamba ASR 시스템으로, 유사 크기의 Conformer 대비 전 실험에서 낮은 WER을 달성하며 상태공간모델의 다국어 확장성을 실증한 연구이다.다국어 ASR은 고자원·저자원 언어 간 성능 균형을 맞추기 어려운 과제다. 현재 지배적인 Transformer 기반 아키텍처는 시퀀스 길이에 대한 이차 복잡도, 저자원 언어에는 부족한 대량의 라벨 데이터 요구, 큰 모델 크기로 인한 배포 제약이라는 뚜렷한 단점을 가진다. 가변 길이 입력과 시간적 불규칙성을 다루도록 설계된 ..

본 문서는 종단간(End-to-End) 음성 인식의 역사적 이정표인 Baidu Research의 Deep Speech 2(arXiv:1512.02595, ICML 2016)를 분석한다. 기존 ASR 파이프라인의 수작업 컴포넌트를 CTC 기반 심층 순환신경망으로 대체하고, HPC 수준의 분산학습 인프라로 영어·중국어 두 언어에서 인간 전사자 수준의 정확도를 달성한 연구이다.기존 ASR 파이프라인은 특징 추출, 음향 모델, 언어·발음 모델, 화자 적응 등 수십 년간 축적된 다수의 독립 컴포넌트로 구성되어, 새로운 언어나 환경으로의 이식이 매우 어렵다. Deep Speech 2(DS2)는 아키텍처, 대규모 라벨 데이터, 계산 규모라는 세 축을 동시에 개선하여 이 문제를 해결한다. HPC 기법 적용으로 전작(D..