아랍어 특화 팰컨 에스에스알 모델 공개

주장아부다비의 기술혁신연구소(TII)는 아랍어 음성 인식의 한계를 극복하기 위해 팰컨 에스에스알(Falcon ASR) 모델을 개발했습니다. 이 모델은 특히 데이터가 부족한 에미리트 방언과 일상적인 구어체 처리에 중점을 두고 설계되었습니다.

팩트팰컨 에스에스알은 16억 개의 파라미터를 가진 모델로, 아랍어 외에도 영어, 프랑스어, 스페인어, 포르투갈어를 지원합니다. 모델은 별도의 언어 설정 없이도 입력된 음성 언어를 자동으로 인식하여 텍스트로 변환합니다.

팩트이엘엠(ELM) 연구 센터의 아랍어 음성 인식 리더보드 기준, 팰컨 에스에스알은 6개 테스트 세트에서 평균 20.92퍼센트의 단어 오류율(WER)을 기록했습니다. 이는 기존 리더보드 최고 기록인 23.17퍼센트보다 2.25퍼센트 포인트 향상된 수치입니다.

팩트에미리트 방언에 대한 내부 평가에서 팰컨 에스에스알은 22.73퍼센트의 단어 오류율과 10.19퍼센트의 문자 오류율(CER)을 달성했습니다. 이는 비교 대상인 쿠웬쓰리옴니(Qwen3-Omni) 모델보다 단어 오류율 기준 4.07퍼센트 포인트 더 우수한 성능입니다.

주장음성 인식 기술은 화자의 지역, 설정, 녹음 환경에 따라 성능 편차가 큽니다. 기술혁신연구소는 이러한 문제를 해결하기 위해 다양한 배경 소음, 음악, 전화 통화 환경 등을 학습 데이터에 포함하여 모델의 견고성을 높였습니다.

교차검증현대 표준 아랍어에 비해 방언은 학습을 위한 전사된 자원이 부족한 실정입니다. 기술혁신연구소는 이를 보완하기 위해 인간이 검증한 전사본과 별도의 내부 평가 데이터를 활용하여 모델의 정확도를 검증했습니다.

팩트팰컨 에스에스알은 영어 음성 인식에서도 우수한 성능을 보이며, 허깅 페이스(Hugging Face)의 오픈 에스에스알 리더보드 기준 평균 5.74퍼센트의 단어 오류율을 기록했습니다. 또한, 전사된 각 단어와 오디오 위치를 연결하는 단어 단위 타임스탬프 기능을 제공합니다.

주장팰컨 에스에스알은 기술혁신연구소의 기존 연구인 팰컨쓰리디오(Falcon3-Audio) 아키텍처를 기반으로 구축되었습니다. 이는 데이터 효율적인 단일 단계 학습 방식을 통해 오디오와 언어 모델의 경쟁력을 확보하려는 전략의 일환입니다.

팩트현재 허깅 페이스의 데모 공간을 통해 누구나 팰컨 에스에스알의 성능을 직접 테스트해 볼 수 있습니다. 기술혁신연구소는 앞으로 응용 프로그램 인터페이스(API) 접근 권한 제공 및 네이티브 애플리케이션 출시를 계획하고 있습니다.

출처허깅 페이스 블로그(https://huggingface.co/blog/tiiuae/falcon-asr)의 보도를 교차 검증했습니다.