본 논문은 산업 환경에서 대규모 데이터셋의 정확한 전사가 어려운 점을 고려하여, 오류가 있는 전사본으로 음성 인식 시스템을 훈련하는 문제를 해결하는 새로운 손실 함수를 제안합니다. RNN-Transducer 모델에 적용되는 세 가지 새로운 손실 함수, Star-Transducer, Bypass-Transducer, 그리고 Target-Robust Transducer를 소개합니다. Star-Transducer는 "skip frame" 전이를 통해 삭제 오류를, Bypass-Transducer는 "skip token" 전이를 통해 삽입 오류를 해결하며, Target-Robust Transducer는 두 방법을 결합하여 임의의 오류에 강건한 성능을 제공합니다. 실험 결과, Target-Robust Transducer 손실 함수는 정확한 전사본으로 훈련된 모델 대비 70% 이상의 성능을 회복하여 오류가 있는 데이터에서 RNN-T 모델의 성능을 크게 향상시켰음을 보여줍니다.
