[논문리뷰] GigaSpeech 3: Scaling Multi-Dialect Arabic Speech Recognition with Weakly Labeled Data본 논문은 풍부한 웹 음성 데이터에도 불구하고 방언별로 정제된 전사 데이터(transcribed speech)가 부족하여 발생하는 아랍어 음성 인식의 고질적인 데이터 희소성 문제를 해결하고자 한다.#Review#Automatic Speech Recognition#Arabic Dialects#Weakly Labeled Data#Self-Supervised Learning#Noisy-Student Training#GigaSpeech2026년 11월 3일댓글 수 로딩 중
[논문리뷰] Qwen-Audio-3.1-ASR Technical Report본 연구는 기존 ASR 시스템이 단일 발화자 혹은 텍스트 변환에만 국한되어, 다자간 대화에서의 발화자 식별이나 오디오 내 환경음 인식과 같은 복잡한 오디오 이해 요구사항을 충족하지 못하는 한계를 해결하고자 한다.#Review#Audio-Language Model#Automatic Speech Recognition#Speaker Diarization#Audio Understanding#Instruction-Controlled#Reinforcement Learning2026년 10월 21일댓글 수 로딩 중
[논문리뷰] Whisper Hallucination Detection and Mitigation via Hidden Representation Steering and Sparse AutoEncoders본 논문은 Whisper와 같은 대규모 신경망 기반 ASR 모델이 비음성 오디오를 입력받았을 때 발생하는 환각 문제를 해결하는 것을 목적으로 한다. 기존의 heuristic 필터링 방식은 높은 신뢰도로 환각을 생성하는 사례를 효과적으로 걸러내지 못하는 한계를 지닌다.#Review#Automatic Speech Recognition#Hallucinations#Whisper#Sparse AutoEncoder#Activation Steering2026년 6월 8일댓글 수 로딩 중
[논문리뷰] VIBEVOICE-ASR Technical Report본 논문은 기존 단문 음성 인식의 발전에도 불구하고 컨텍스트 단편화 및 다화자 복잡성 으로 인해 장문 오디오(예: 회의, 팟캐스트) 이해가 어려운 문제를 해결하고자 합니다.#Review#Automatic Speech Recognition#Speaker Diarization#Long-form Audio#Large Language Models#End-to-end Speech Processing#Multilingual#Context-aware ASR2026년 1월 26일댓글 수 로딩 중
[논문리뷰] StableToken: A Noise-Robust Semantic Speech Tokenizer for Resilient SpeechLLMs기존 시맨틱 음성 토크나이저의 노이즈에 대한 취약성 문제를 해결하는 것이 주요 목표입니다. 사소한 음향 교란에도 토큰 시퀀스가 급격히 변하여 다운스트림 SpeechLLMs 의 학습 부담을 증가시키는 불안정성을 극복하고, 노이즈에 강건하며 일관된 토큰 시퀀스를 생성하는 새로운 패러다임을 제시하고자 합니다.#Review#Speech Tokenizer#Noise Robustness#Semantic Tokens#SpeechLLMs#Voting-LFQ#Consensus Training#Automatic Speech Recognition#Speech Synthesis2025년 9월 30일댓글 수 로딩 중