DistilHuBERT를 활용한 악센트 분류 재검토: 화자 독립 평가 및 교차 코퍼스 일반화

요약

본 연구는 기존의 인-코퍼스 악센트 분류 평가가 모델의 견고성을 과대평가할 수 있음을 지적합니다. DistilHuBERT 기반으로 L2-ARCTIC 및 외부 데이터셋을 활용하여 화자 독립 분할과 교차 코퍼스 일반화 테스트를 수행했습니다. 그 결과, 화자 독립 평가는 실제 배포 환경에 더 현실적인 성능 추정치를 제공함을 입증했습니다.

핵심 포인트

• 인-코퍼스 평가만으로는 모델의 견고성을 과대평가할 수 있다.
• 화자 독립 분할은 일반화된 성능을 측정하는 데 필수적이다.
• 균형 잡힌 외부 데이터 훈련이 가장 유망한 지도 학습 환경이다.
• 견고한 악센트 분류 평가는 화자 독립 평가와 교차 코퍼스 테스트를 포함해야 한다.