본 연구는 확산 기반 대형 언어 모델(DLLM) LLaDA를 자동 음성 인식(ASR)에 적용하는 경험적 연구를 제시한다. Whisper-LLaMA의 transcript에 대한 외부 숙고 기반 처리 모듈로 LLaDA를 활용하여, 양방향 어텐션 및 디노이징 기능을 활용한 다양한 마스킹 전략(랜덤 마스킹, 저신뢰도 마스킹, 반자동 회귀 전략)을 탐구했다. LibriSpeech 데이터셋에서, 최상의 cascade 시스템은 test-clean/test-other에서 2.25%/4.94%의 단어 오류율(WER)을 달성하여, test-other 분할에서 Whisper-LLaMA baseline 대비 12.3% 상대적 향상을 보였다. 또한, 음향 특징 없이 텍스트만 사용한 LLaDA는 정확도 향상에 실패하여, 음향 조건 임베딩의 중요성을 강조했다. 추가적으로, 확산 기반 및 반자동 회귀 디코딩을 사용하여 ASR을 위한 독립형 디코더로서 Whisper-LLaDA를 평가했으며, 대부분의 실험 설정에서 Whisper-LLaMA baseline보다 빠른 추론 속도를 달성했지만, 인식 정확도는 약간 낮았다.
