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..