오류율만으로는 부족하다: 저자원 환경에서 데이터 증강의 비용

요약

본 연구는 저자원 자동 음성 인식(ASR) 분야에서 데이터 증강의 효과를 종합 오류율이 아닌 음소 수준의 오류 분석을 통해 심층적으로 탐구했습니다. 속도 변화, SpecAugment 등 기존 오디오 수정 기법과 텍스트 기반 합성 방법을 조합하여 분석한 결과, 각 방법이 유발하는 특정 오류 유형들이 서로 상호 보완적임을 발견했습니다.

핵심 포인트

• 오류율 대신 음소 수준의 오류 분석이 중요합니다.
• SpecAugment와 텍스트 기반 방법은 상호 보완적인 효과를 가집니다.
• 결합된 증강 기법의 개선 효과는 개별 합계를 초과하는 초가산성을 보입니다.
• 증강 기법 선택 시, 측정 가능한 훈련 노출 및 음향 특성을 고려해야 합니다.