프랑스어 ASR 시스템의 토큰화 및 자기지도 학습에 대한 종합 분석

요약

본 논문은 엔드 투 엔드 ASR 시스템의 성능에 대한 기존의 CER/WER 기반 평가 지표의 한계를 지적하며, 하단 토큰화 알고리즘과 자기지도 학습 모델이 프랑스어 ASR 시스템에 미치는 영향을 종합적으로 분석합니다. 단순히 오류율만 고려하는 것이 아니라, 다양한 언어학적 및 음향학적 관점을 포괄하는 평가 지표 집합을 사용하여 심층적인 성능 평가를 수행했습니다.

핵심 포인트

• ASR 시스템의 성능은 하이퍼파라미터와 모델 선택에 크게 의존한다.
• 기존의 CER(문자 오류율) 및 WER(단어 오류율) 지표만으로는 ASR 시스템의 실제 다운스트림 애플리케이션 성능을 충분히 설명할 수 없다.
• 본 연구는 프랑스어를 대상으로 하단 토큰화 알고리즘과 자기지도 학습 모델의 영향을 평가한다.
• 평가 시에는 언어학적 및 음향학적 관점을 포괄하는 종합적인 지표 집합이 사용되었다.