Hy ASR 3.0은 LLM 기반의 자동 음성 인식(ASR) 시스템으로, 높은 정확도와 유연한 문맥 조건화 기능을 제공합니다. 만다린 중국어, 영어 등 13개 방언 그룹을 지원하며, 외부 및 내부 발화 문맥 정보를 활용하여 인식 성능을 높였습니다. 장문이나 소음 환경에서도 견고성을 입증했습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.CL의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기저희는 강력한 인식 정확도를 제공하고, 유연한 문맥 조건화(contextual conditioning)를 지원하며, 다양한 음성 환경에서도 견고한 인식 성능을 유지하는 대규모 언어 모델(LLM) 기반 자동 음성 인식(ASR) 시스템인 Hy ASR 3.0을 소개합니다. Hy ASR 3.0은 만다린 중국어, 영어 및 광둥어를 포함한 13개 중국 방언 그룹을 지원합니다. 평가된 시스템들 중, 공용 만다린 중국어, 영어, 광둥어 벤치마크에서 가장 낮은 종합 오류율(aggregate error rates)을 달성했으며, 해당 내부 테스트 세트에서도 가장 낮은 오류율과 최고 수준의 방언 인식 성능을 보여줍니다. 오디오 전용 전사(transcription)를 넘어, Hy ASR 3.0은 키워드 목록(hotword lists), 질의응답 대화(question--answer dialogues), 요약본 등 여러 형태의 외부 문맥을 지원하여 인식 과정에서 작업 관련 정보를 활용할 수 있게 합니다. 또한 이 모델은 별도의 문맥 입력이 필요 없이, 같은 발화의 다른 부분으로부터 얻는 정보를 사용하여 동음이의어 및 음성적으로 유사한 키워드를 판별하는 내부 발화 문맥(intra-utterance context)을 활용합니다. 평가 결과는 외부 문맥과 내부 발화 문맥 설정 모두에서 강력한 문맥 인식 능력을 입증했을 뿐만 아니라, 장문 음성, 아동 및 노인 음성, 저음량 음성, 그리고 소음 환경에서의 음성 인식에 대한 견고성을 보여줍니다. 본 보고서는 모델 아키텍처와 학습 방법론을 설명하고, 인식 정확도, 문맥 활용, 그리고 견고성에 걸친 평가 결과를 제시합니다.