다자간 대화에서 '누가, 언제, 무엇을 말하는지'를 동시에 식별하는 엔드투엔드 (End-to-End) 대형 오디오 언어 모델

요약

SoulX-Transcriber는 다자간 대화에서 화자 식별, 타임스탬프 분할, 전사 내용을 동시에 처리하는 엔드투엔드 대형 오디오 언어 모델입니다. 음성이 겹치거나 대화 전환이 빠른 상황에서도 일관된 화자 귀속과 정확한 텍스트를 제공합니다.

핵심 포인트

• 화자 귀속, 타임스탬프, 전사 내용의 통합 모델링
• 다자간 대화 및 음성 중첩 시나리오 최적화
• Soul AI Lab 등이 공동 개발한 오픈 소스 모델