Marimba, Qwen3-Omni 9개 중 6개 테스트서 동등하거나 우위
Marimba: A System One Model for Speech. [R]
·2026.11.17 00:47
핵심 내용
Qwen3-ASR 인코더 기반 Marimba가 9개 테스트 중 6개에서 Qwen3-Omni를 이겼다.
자세히 보기
- 8초 오디오 윈도우당 Qwen3-ASR-0.6B 인코더를 한 번만 통과시켜 오디오에 대한 텍스트 질문(예/아니오, 선택지, 점수)에 답하는 시스템임
- 공개 질문 1,000건 기준 9개 테스트 중 6개에서 Qwen3-Omni(30B-A3B)와 동등하거나 우위, Speech Commands 항목에서는 Qwen3-Omni가 여전히 우세함
- 언어 식별은 FLEURS 클립 300건에서 100% 정확도 달성, 화자 변경 감지는 AMI와 VoxConverse에서 AUROC 0.966-0.980으로 ECAPA 성능 초과함
- 화자 수 감지는 pyannote 3.1보다 우수, 턴 종료 감지는 Smart Turn 데이터에서 AUROC 0.930, ICSI 회의에서 0.716 기록함
- 미확인 작업으로의 일반화 불가, CochlScene 장면 분류에서 우연 수준 성능 보임
- 코드, 가중치(Apache-2.0), 데모는 GitHub, Hugging Face, pip install marimba-audio를 통해 제공됨
이 한국어 요약은 AI가 자동으로 만들었습니다. 원문의 주장과 맥락은 원문에서 확인해 주세요. 저작권은 원저작자에게 있습니다.