Open ASR 리더보드 최신 트렌드

HuggingFace의 Open ASR Leaderboard가 다국어(Multilingual) 및 롱폼(Long-form) 트랜스크립션 트랙을 새롭게 추가하며 업데이트되었다. 현재 18개 기관의 60개 이상의 모델을 대상으로 정확도와 효율성을 비교 분석하고 있다.

최신 ASR 기술의 주요 트렌드는 다음과 같다:

• Conformer + LLM 조합의 강세: Conformer encoder와 LLM decoder를 결합한 모델(NVIDIA Canary-Qwen, IBM Granite-Speech, Microsoft Phi-4-Multimodal 등)이 영어 전사 정확도에서 가장 뛰어난 성능을 기록했다.
• 속도와 정확도의 트레이드오프: CTC 및 TDT 디코더는 정확도는 상대적으로 낮지만, LLM 디코더보다 10~100배 빠른 처리량을 보여 실시간 및 배치 작업에 적합하다.
• 언어 및 작업 특성: 다국어 모델은 단일 언어 특화 모델에 비해 성능 저하가 발생하며, 롱폼 작업에서는 아직 폐쇄형(Closed-source) 시스템이 우위를 유지하고 있다.