한글내용
(Korean Abstract) |
음성인식 기술은 현재 다양한 곳에서 사용되지만, 여전히 성능이 부족하며, 특히 한국어의 고유적 특성으로 인해 한국어 음성인식은 더 어려운 문제점이 있다. 현재 음성인식 분야에서는 자기 지도학습 방식의 모델이 좋은 성능이 내고 있다. 자기 지도학습 방식의 여러 음성인식 모델은 각각 학습 방식, 모델 구조등이 달라 서로 다른 결괏값을 가져온다. 본 논문에서는 이를 이용하여 여러 음성인식 모델의 결괏값을 언어모델에 입력값으로 주어 앙상블(ensemble)하고 데이터 부족 문제를 해결하기 위해 데이터를 6배로 증강하는 방법을 제안하였다. 해당 방법을 통해 WER 점수 기준 약 10% 감소하여 좋은 성능을 보였고, 각각의 음성인식 모델이 잘못 인식한 부분을 언어모델이 서로의 입력값을 보완하여 고쳐나갔다는 것을 알 수 있다. |
