핵심 역량

• 한국어 포함 14개 국어 음성 전사
• 35초 초과 장문 오디오 자동 분할 및 재조합
• vLLM 기반 고속 추론 서빙
• 구두점이 포함된 텍스트 생성

강점

• 동급 파라미터 모델 중 영어 ASR 리더보드 평균 WER 5.42로 1위 달성
• Whisper Large v3 대비 약 27% 낮은 단어 오류율 기록
• vLLM 공식 통합으로 프로덕션 환경에서의 서빙 편의성 확보

훈련 방식

Conformer-Transformer 아키텍처를 기반으로 14개 언어 데이터를 활용해 지도 학습(Supervised Cross-Entropy) 방식으로 바닥부터 학습(Trained from scratch)

알아두면 좋은 것

• 영어 ASR 리더보드에서 평균 WER 5.42를 기록하며 Whisper Large v3(7.44) 대비 우위 확인
• 입력 오디오를 16kHz 모노 채널로 자동 전처리하는 로직 포함
• Apache 2.0 라이선스를 적용하여 상업적 목적의 자유로운 이용 가능
• torch.compile 지원을 통해 첫 실행 이후 추론 처리량(Throughput) 가속 가능