연구진은 동시 음성 번역 성능 향상을 위해 LLM 아키텍처 변화 없이 데이터 기반 Prefix-to-Prefix (P2P) 접근법을 제시했어요. P2P 방식은 고정 길이 청크를 활용한 누적 스트리밍 디코딩과 제한된 대기 시간 기반의 교사 데이터 라벨링을 사용해요.
CSSEL-P2P 모델은 기존 CSSEL 스트리밍 모델 대비 COMETKiwi 점수 +1.54점을 향상시켰고, 평균 지연 시간은 +0.15초로 거의 동일했어요. 이는 P2P 감독 하에 LLM의 동시 음성 번역 성능을 개선할 수 있음을 보여줘요.
연구 결과는 동시 음성 번역에서 아키텍처 변화 없이도 데이터 기반 접근법으로 성능 향상이 가능하다는 점을 시사하며, 대화형 음성 환경에서의 적용 가능성을 높여줘요.