아프리카 언어를 위한 공개 음성인식 기반모델 묶음이 arXiv 프리프린트로 제시됐다. 이 연구는 w2v-BERT 2.0 자기지도 음성 인코더를 토대로 한 DONDO를 소개하며, 21개의 단일언어 모델과 5개의 다국어 모델이 가나·시에라리온·나이지리아·세네갈·케냐·짐바브웨의 27개 언어 변종을 다룬다고 설명한다. 공개 배포와 상업적 재사용 가능성을 함께 전면에 내세운 점도 특징이다.
학습 데이터는 주로 종교문서에서 가져온 읽기 음성이다. 검증된 전사와 표준 맞춤법을 갖춘 자료를 사용해, 전사된 음성이 거의 없는 언어들에도 비교적 일관된 학습 기반을 마련했다는 것이다. 논문은 이 선택이 광범위하고 라이선스가 명확한 커버리지를 제공한다고 적는다.
핵심 방법은 단계적 학습률 완화다. 먼저 공유 다국어 모델을 높은 학습률로 적응시키고, 이어 학습률을 10배 낮춰 성능을 되살리는 방식이다. 일부 계열에서는 세 번째 단계도 썼다. 다국어 모델에 언어를 지정하는 장치로는 입력 음향 특징 앞에 한-hot 언어 식별자를 붙인 prefix frame을 사용했다.
검증 결과는 다국어 계열별 WER로 정리됐다. 5개 다국어 패밀리에서 완화된 모델의 평균 WER는 10~13%였고, 단일언어 기준과의 격차를 대부분 좁혔다. 표와 본문에 따르면 단계 1만 적용하면 일부 언어에서 WER가 단일언어 대비 두세 배까지 나빠지기도 했지만, 단계 2가 그 차이를 크게 줄였고 프랑스어와 판테어 같은 일부 언어에서는 단일언어 모델을 앞섰다.
표에 나온 개별 사례도 같은 흐름을 보인다. 남부 가나 계열에서는 트위가 단일언어 WER 16.9에서 단계 2 모델 11.4로 내려갔고, 판테는 30.1에서 13.4로 개선됐다. 북부 가나 계열에서는 단계 2 평균이 10.3으로 제시됐고, 시에라리온 계열은 단계 1만 평가됐는데 평균 6.06과 크리오 2.12가 눈에 띄었다. 동아프리카·남아프리카 계열에서는 단계 3가 평균 12.5를 기록했다.
| 항목 | 값 | 근거 |
|---|---|---|
| 모델 구성 | 21개 단일언어 모델 + 5개 다국어 모델, 총 27개 언어 변종 | p.1 abstract; p.3 3.1 Coverage; p.4 Table 1 |
| 학습 데이터 | 종교문서에서 가져온 읽기 음성, 표준 맞춤법 전사 사용 | p.3 3.2 Data |
| 다국어 성능 | 5개 다국어 패밀리의 평균 WER 10–13% | p.1 abstract; p.5 5 Experiments and Results |
| 추정 도달 인구 | 1차 언어 화자 약 1억1500만 명, 2차 언어 포함 약 2억9000만 명 | p.6 Potential Human Reach; p.8 Table 7 |
자료: STORIUM 정리
연구는 기술 성능뿐 아니라 배포 범위도 함께 본다. 저자 계산에 따르면 이 언어권은 1차 언어 화자 기준으로 약 1억1500만 명, 2차 언어 사용까지 포함하면 약 2억9000만 명 규모로 추산된다. 모든 모델은 Hugging Face의 KhayaAI 조직에 Apache-2.0 라이선스로 공개됐으며, 상업적 사용을 포함해 자유롭게 미세조정할 수 있다고 적었다.
저작권자 © STORIUM 무단전재 및 재배포 금지
