📱 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 요약오디오 모델의 활성값(activation)은 비전·NLP 모델과 달리 극단적으로 넓은 동적 범위를 가져 표준 캘리브레이션으로는 대부분의 값이 같은 정수 레벨로 뭉개진다. 이 논문은 캘리브레이션을 명시적 최적화 문제로 정식화하고, 1) 레이어별 MSE 최소화로 스케일 초기화(로컬) → 2) CMA-ES로 전체 스케일 벡터를 태스크 오차 기준 공동 최적화(글로벌) 하는 2단계 기법 ESC를 제안한다. 완전 INT8에서 성능 무손실, 완전 INT4에서도 5개 음성 태스크 전반에서 기존 캘리브레이션을 일관되게 능가하며, SOTA PTQ와 결합 시 근사 무손실(AST 정확도 상대 1% 하락)을 달성한다. TensorRT 배포 시 평균 2.31배 추론 가속.1. 배경 및 문제의식양자화(quantizati..

Whisper 이후 오픈소스 ASR 판도를 바꿀 만한 모델이 또 하나 나왔다. Alibaba Qwen 팀의 Qwen3-ASR(arXiv:2601.21337)이다. 단순히 "정확한 ASR 모델 하나"가 아니라, ASR 2종(1.7B/0.6B) + LLM 기반 강제정렬(Forced Alignment) 모델 1종을 묶은 패밀리를 Apache 2.0 라이선스로 통째로 풀었다. 30개 언어(한국어 포함)와 22개 중국 방언을 지원하고, 노래 인식과 스트리밍까지 하나의 모델로 처리한다.1. 왜 주목할 만한가: LALM 패러다임ASR은 Transducer, AED(Whisper류) 같은 전통적인 end-to-end 패러다임에서 LALM(Large Audio-Language Model) 패러다임으로 넘어가는 중이다. ..

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 ..