연구진이 MLC-SLM 2026 챌린지를 위해 다이아라이제이션과 Qwen3-ASR-1.7B 음성 인식기를 결합한 시스템을 개발했어요. 이 시스템은 음성 활동 감지, 서브 세그먼트 생성, 화자 임베딩 추출, 스펙트럴 클러스터링 등 다이아라이제이션 과정을 거쳐 음성을 처리해요. GRPO 강화 학습을 통해 WER/CER을 줄이고 환각, 반복, 길이 편차를 최소화하는 데 집중했어요.
공식 개발 세트에서 평균 tcpMER 23.70을 달성하며 기존 Qwen-ASR-1.7B 성능보다 6.83 포인트 개선됐어요. 최종 평가 세트에서는 평균 tcpMER 17.97을 기록하며 음성 인식 성능을 향상시켰어요. 연구 결과, 지도 학습이 가장 큰 성능 향상을 가져왔으며, 합성 음성 LoRA 적응 및 강화 학습이 안정성을 높이는 데 기여했어요.
이 시스템은 다국어 2인 화자 대화 음성 인식 분야에서 새로운 가능성을 제시하며, 향후 음성 인식 기술 발전에 기여할 것으로 기대돼요.