우리는 WAXAL 코퍼스에 포함된 19개 언어의 대화형 아프리카 음성에 대해, 소형 도메인 특화 ASR (Automatic Speech Recognition, 자동 음성 인식) 모델이 대규모 다국어 파운데이션 모델 (Foundation Models)보다 뛰어난 성능을 보일 수 있는지 평가합니다. 미세 조정된 (Fine-tuned) 에지 모델들은 가장 우수한 제로샷 (Zero-shot) 베이스라인의 $64.9%$와 비교하여 $38.0%$의 매크로 평균 WER (Word Error Rate, 단어 오류율)을 달성하였으며, 이는 모델 크기가 $3 ext{--}40$배 더 작음에도 불구하고 $26.9$ 퍼센트 포인트의 감소를 이룬 결과입니다. 이러한 결과는 자발적인 아프리카 음성 인식에 있어 도메인 특화 (Domain Specialization)가 규모 (Scale)보다 더 중요하다는 것을 확인시켜 줍니다. 도메인 간 평가 (Cross-domain evaluation) 결과, 미세 조정된 모델들은 분포 외 (Out-of-distribution, OOD) 음성에서도 사용 가능한 수준의 성능을 회복하는 반면, 제로샷 모델들은 테스트 도메인이 사전 학습 (Pretraining) 분포와 일치할 때 다시 우위를 점하는 것으로 나타났습니다. 조사된 모든 언어에 걸쳐 실시된 원어민 분산 감사 (Distributed native-speaker audit)를 통해 언어학적 근거를 갖춘 오류 분류 체계 (Error taxonomy)를 구축하였으며, 이를 통해 CTC (Connectionist Temporal Classification) 및 자기회귀 (Autoregressive) 아키텍처가 언어군에 따라 다르게 동작함을 보여줍니다. 나아가, 우리는 WER만으로는 음절 문자 (Syllabary-script) 언어의 성능을 제대로 나타낼 수 없음을 보여줍니다. 이들 언어에서는 CER (Character Error Rate, 음절 오류율)/WER 비율을 통해 헤드라인에 보도된 WER보다 실질적으로 더 높은 문자 수준 정확도를 확인할 수 있습니다. 마지막으로, 향후 아프리카 ASR 연구에 기여하기 위해 모든 모델 가중치 (Weights), 미세 조정 및 평가 스크립트, 그리고 19개 언어 전체를 아우르는 정제된 WAXAL 서브셋을 공개합니다.