Phonon-2: 164MB로 2.5GB 모델의 음성 인식 정확도 재현

164MB의 초경량 용량으로 영어 음성 인식 정확도 5.21%를 달성한다. 2.5GB 크기의 원본 모델과 비교해 다운로드 크기는 15분의 1로 줄였지만, 회의나 의회 연설 등 복잡한 환경에서도 원본의 단어 정확도를 100% 이상 유지한다.

가중치를 5단계로 학습한 양자화 기법을 적용해 약 2.1비트 수준으로 압축했다. M5 MacBook Air에서는 1시간 분량의 오디오를 20초 만에 처리하며, H100 GPU에서는 배치 처리로 6,680배의 속도를 낸다.

Apple Silicon은 물론 Linux와 Windows의 CPU 환경에서도 구동된다. Mac용 디테이션 앱 Detta의 내부 엔진으로 사용되며, 터미널 명령어 하나로 녹음 파일을 텍스트로 변환할 수 있다.