ufakzeka-kulak: 처음부터 31.6M 파라미터 터키어 음성 인식기 구축 및 평가

원문 발행 2026. 11. 03. 03:42원문 언어 영어AI 한국어 번역arXiv cs.CL 원문 보기

요약

ufakzeka-kulak은 31.6M 파라미터를 가진 오픈 소스 터키어 음성 인식(ASR) 모델입니다. TDT와 CTC 헤드를 사용하며, 4,977시간의 데이터를 기반으로 처음부터 학습되었습니다. 테스트 결과, FLEURS 및 Common Voice 27.0에서 Whisper base/small보다 낮은 WER을 기록했으나, Whisper large-v3가 더 높은 성능을 보였습니다.

핵심 포인트

모델은 TDT와 CTC 헤드를 갖춘 FastConformer 인코더를 사용합니다.
총 4,977시간의 데이터로 학습되었으며, 상업적 사용이 허가된 출처에서 가져왔습니다.
FLEURS 및 Common Voice 테스트에서 Whisper base/small보다 낮은 WER을 기록했습니다.
Whisper large-v3는 각각 0.0604와 0.0767의 WER로 더 높은 성능을 보였습니다.

ufakzeka-kulak은 31.6M 파라미터를 가진 오픈 소스 터키어 음성-텍스트 변환(speech-to-text) 모델로, 토큰 및 지속 시간 트랜스듀서(token-and-duration transducer, TDT)와 CTC 헤드(CTC head)를 갖춘 FastConformer 인코더를 사용하며, 처음부터 학습되어 Apache-2.0 라이선스로 공개되었습니다. 이 모델은 대소문자를 구분하고 구두점을 찍는 터키어 텍스트에 숫자를 단어로 표기합니다. 4,977시간의 학습 시간은 상업적 사용이 허가된 출처에서 가져왔으며, 그중 281시간은 사람이 전사(human-transcribed)한 것이고 나머지 4,696시간은 업로더 자막 또는 기계 전사본으로 구성되어 있으며, 오디오에 대한 두 번째 독립적인 판독이 일치하는 경우에만 유지되었습니다. 레시피, 체크포인트, 레이블링 및 내보내기(export) 선택 사항은 개발 데이터에서 결정되었으며, 테스트 세트는 학습 전에 고정된 릴리스 게이트(release gate)에서 한 번 점수가 매겨졌습니다. 그리디 TDT 디코딩을 사용했을 때 정규화된 단어 오류율(normalized word error rate, WER)은 FLEURS 터키어 테스트에서 0.0921 (95% 구간: 0.0792 ~ 0.1055)이고 Common Voice 27.0 터키어 테스트에서는 0.0916 (0.0873 ~ 0.0958)으로, 두 세트 모두에서 Whisper base와 Whisper small보다 낮았으며 구간 전체가 0 미만이었습니다. Whisper large-v3(그리디)는 각각 0.0604와 0.0767을 기록했습니다. 대화형 음성에서는 WER이 0.3807입니다. 또한 구두점 및 대소문자 처리, 저하된 오디오 환경에서의 성능과 각 배포된 내보내기가 학습된 모델을 얼마나 정확하게 재현하는지에 대해서도 보고합니다.

AI 자동 생성 콘텐츠

원문 바로가기

ufakzeka-kulak: 처음부터 31.6M 파라미터 터키어 음성 인식기 구축 및 평가

요약

핵심 포인트

댓글