장기 음성 인식을 위한 업데이트된 말뭉치와 벤치마크

대부분의 ASR 연구는 훈련 데이터와 테스트 데이터 모두가 발화로 사전 분리된 말뭉치를 사용합니다. 하지만 대부분의 실제 ASR 사용 사례에서는 테스트 오디오가 분리되어 있지 않아서 추론 시간 조건과 분리된 발화로 훈련된 모델 간에 불일치가 발생합니다. 본 논문에서는 TED-LIUM 3, Gigapeech, VoxPopulien의 세 가지 표준 ASR 말뭉치를 업데이트된 전사 및 정렬정보와 함께 재발행하여 장기 ASR 연구에 활용할 수 있도록 합니다. 우리는 이 재구성된 말뭉치를 사용하여 변환기 및 주의 기반 인코더-디코더(AED)의 훈련-테스트 불일치 문제를 연구하고, AED가 이 문제에 더 취약하다는 것을 확인합니다. 마지막으로, 이러한 모델의 간단한 장기 훈련을 벤치마킹하여 이 도메인 전환 하에서 모델 강건성의 효율성을 보여줍니다.