인도과학원(IISc) 스파이어랩과 ARTPARK@IISc 연구진이 인도 언어와 방언 65개를 전사하는 자동음성인식(ASR) 모델 ‘SraVaani 1.0’을 공개했다. 논문 초판은 2026년 8월 8일 제출됐고 8월 12일 개정됐다. 연구진은 상용·공개 음성인식이 충분히 다루지 못한 저자원 언어까지 전사 범위를 넓히는 것을 목표로 제시했다.
실제 사용자는 ARTPARK-IISc의 공개 모델 저장소에서 약 4억3000만개 매개변수의 FastConformer 기반 체크포인트를 내려받아 음성 파일을 텍스트로 바꿀 수 있다. FP16으로 양자화된 모델 크기는 약 900MB이며, 저장소가 제시한 예시는 트랜스포머스의 AutoModel로 모델을 불러와 전사하는 방식이다. 저장소는 MIT 라이선스를 표시하지만 파일에 접근하려면 연락처 공유 조건에 동의해야 한다. 사전학습 자료는 105개 언어를 포함했지만 공개 모델의 미세조정 범위는 65개이며, 우르두어와 카슈미르어는 이번 버전에서 지원하지 않는다.
학습은 세 단계로 이뤄졌다. 연구진은 Project Vaani의 비라벨 음성 3만1255시간을 자기지도 방식으로 사전학습한 뒤 음성과 짝을 이룬 이미지로 표현을 정렬했다. 이어 24개 공개 데이터셋에서 모은 라벨 음성 3만1263시간으로 하이브리드 TDT-CTC 디코더를 미세조정했다. 논문은 세 개의 다국어 음성인식 시스템과 여덟 개 벤치마크를 비교한 결과, 여러 언어·데이터셋 조합에서 가장 낮은 단어오류율(WER)을 기록했고 고자원 언어에서도 선두권 모델과 경쟁했다고 밝혔다.
| 항목 | 확인된 범위 | 이용 전 확인할 점 |
|---|---|---|
| 언어 | 65개 언어·방언 | 우르두어·카슈미르어 미지원 |
| 모델 | 약 4억3000만개 매개변수·FP16 약 900MB | 연락처 공유 조건 동의 필요 |
| 학습 | 비라벨 3만1255시간·라벨 3만1263시간 | 언어·데이터셋별 구성 차이 |
| 평가 | 비교 모델 3개·벤치마크 8개 | 저자원 언어는 Vaani 평가 의존 |
이 모델은 자체 음성 자료와 기반 모델이 부족한 대학·공공기관·개발팀이 지역 언어 전사 서비스를 시험할 출발점이 된다. 다만 65개 언어 지원이 모든 환경에서 같은 정확도나 상용 품질을 뜻하지는 않는다. 저자원·부족 언어의 평가는 Vaani 벤치마크에만 의존했고, 별도 현장의 재현 결과는 아직 제시되지 않았다. 모델 카드에는 API 요금이나 구축비가 제시되지 않았으므로 실제 도입자는 추론 장비, 운영, 개인정보 보호와 지역별 억양·잡음·언어 혼용 검증 비용을 따로 산정해야 한다.
저작권자 © STORIUM 무단전재 및 재배포 금지
