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 ..

음성인식(ASR/STT) 모델을 개발하거나 도입하려고 할 때 누구나 한 번쯤 부딪히는 질문이 있다. "그래서 지금 뭐가 제일 좋은 모델인데?" 논문마다 평가 데이터셋이 다르고, 텍스트 정규화 방식도 제각각이라 공정한 비교가 어렵다. 오늘 소개할 논문은 이 문제를 정면으로 다룬 Open ASR Leaderboard(Srivastav et al., arXiv:2510.06961)이다. Hugging Face와 NVIDIA가 주도하고 커뮤니티가 함께 만드는 공개 벤치마크 플랫폼으로, 86개 ASR 시스템을 동일한 조건에서 비교한다.1. 이 논문이 해결하려는 문제ASR 분야는 오픈소스 데이터셋과 사전학습 모델 덕분에 빠르게 발전했지만, 그만큼 부작용도 생겼다.새 모델 개발자는 어떤 베이스라인과 어떻게 비교해야 ..