AI 자동 번역
arXiv:2610.32997v1 발표 유형: 신규
요약: OpenAI의 Whisper와 같은 자동 음성 인식(ASR) 모델은 음성 인식 품질을 크게 향상시켰지만, 특히 대량의 전사된 오디오 데이터가 존재할 경우 미세조정 비용이 여전히 높습니다. 이로 인해 많은 실무자들이 이러한 모델을 새로운 언어나 도메인에 맞게 적용하는 데 어려움을 겪고 있습니다. 본 연구에서는 ASR 미세조정을 위한 더 작은 교육 세트를 선택하기 위해 임베딩 기반 서브셋 선택 접근법을 제안합니다. Whisper의 사전훈련된 인코더를 사용하여 각 오디오 샘플을 고정 차원의 임베딩 공간으로 매핑한 뒤, 탐욕적 k-센터 알고리즘을 적용해 다양하고 대표적인 교육 데이터 서브셋을 선별합니다. 우리는 히브리어와 덴마크어 두 언어에서 이 방법을 평가한 결과, 특히 서브셋 크기가 작을 때 k-센터 선택이 무작위 표본 추출보다 성능을 개선하는 경우가 많음을 확인했습니다. 어휘 다양성 분석에 따르면, 동일한 크기의 무작위 서브셋에 비해 k-센터 서브셋이 보다 광범위한 언어적 내용을 포착하며, 이는 관찰된 효과성을 부분적으로 설명할 수 있습니다. 전반적으로, 우리의 연구 결과는 임베딩 기반 서브셋 선택이 평가된 두 언어에서 ASR 서브셋 선택을 위한 실용적인 전략임을 보여주며, 특히 더 작은 샘플 예산에서 가장 뚜렷한 인식 성과를 나타냅니다.