연구진이 ASR 오류 패턴을 인지하는 seq2seq 모델을 활용해 ASR 오류 수정 방법을 재검토했어요. TTS와 ASR을 결합해 만든 합성 데이터로 학습했는데, 실제 오류 분포의 다양성을 맞추는 것이 중요하다고 밝혔어요. 오류 수정 우선 디코딩 방식을 제안해 ASR 성능 개선을 시도했어요.
기존 LLM 기반 ASR 오류 수정 방식의 지연 및 환각 문제를 해결하기 위해, 연구진은 컴팩트한 seq2seq 모델을 활용했어요. 실제와 유사한 ASR 오류 분포를 반영한 합성 데이터를 구축해 모델 학습에 활용했어요.
오류 수정 우선 디코딩 방식은 ASR 시스템의 정확도를 높이는 데 기여할 수 있을 것으로 기대돼요.