경량 실시간 다국어 ASR 라우터 공개

거대 다국어 모델의 높은 리소스 요구량과 언어 전환 시의 낮은 정확도 문제를 해결하기 위해, 약 1억 개(100M) 파라미터 규모의 소형 단일 언어 모델들을 라우팅하는 새로운 방식을 제안한다.

시스템은 다음과 같은 구성 요소를 활용한다:

• Zipformer: 저지연 스트리밍 전사 수행
• Silero VAD: 음성 경계 감지
• SpeechBrain: 언어 식별(LID)

작동 방식은 음성 인식을 즉시 시작한 후, 언어 식별 신뢰도가 임계값을 넘으면 마지막 음성 경계로 되돌아가 올바른 모델로 재전사하는 self-correction 메커니즘을 사용한다.

성능 측면에서 문장 간 언어 전환(inter-utterance) 벤치마크 시 **WER 약 13%**를 기록하며, 이는 테스트된 클라우드 API보다 뛰어난 수치다. 문장 내 언어 전환(intra-utterance) 시에는 WER이 약 41%로 상승하지만, 기존 오픈소스 대안들에 비해 훨씬 가볍고 효율적이다.