본 논문은 단일 채널 다중 화자 자동 음성 인식(ASR) 분야의 최근 발전을 종합적으로 검토한 논문입니다. 데이터 부족과 특히 중첩된 음성에서 개별 화자에게 단어를 인식하고 할당하는 고유한 어려움으로 인해 단일 채널 다중 화자 ASR은 여전히 어려운 과제입니다. 본 논문은 오류 전파를 줄이고 음성 내용과 화자 식별 간의 시너지를 더 잘 활용하는 종단 간(E2E) 아키텍처로의 전환을 중점적으로 다루며, E2E 다중 화자 ASR의 최신 신경망 접근 방식에 대한 체계적인 분류를 제공합니다. 구체적으로, 미리 분할된 오디오에 대한 아키텍처 패러다임(SIMO 대 SISO) 분석, 두 패러다임을 기반으로 한 최신 아키텍처 및 알고리즘 개선, 분할 전략 및 화자 일관성 가설 연결을 포함한 장문 음성으로의 확장, 표준 벤치마크에 대한 방법 평가 및 비교를 분석합니다. 마지막으로, 강력하고 확장 가능한 다중 화자 ASR 구축을 위한 개방형 과제와 미래 연구 방향에 대한 논의를 제시합니다.