본 논문은 산업 분야에서 널리 사용되는 Transducer 아키텍처 기반의 스트리밍 생성 모델의 한계를 해결하는 연구이다. Transducer의 입력 동기화 디코딩 메커니즘은 동시 통역과 같이 비단조 정렬이 필요한 작업에서 어려움을 겪는다. 이를 해결하기 위해 학습 가능한 단조 주의 메커니즘을 통해 Transducer의 디코딩에 입력 스트림의 히스토리를 통합하는 방법을 제시한다. 전방-후방 알고리즘을 활용하여 예측기 상태와 입력 시간 스탬프 간의 정렬 사후 확률을 추론하고, 이를 통해 단조 문맥 표현을 추정하여 훈련 중 지수적으로 증가하는 정렬 공간을 열거할 필요가 없도록 한다. 실험 결과, MonoAttn-Transducer는 스트리밍 환경에서 비단조 정렬을 효과적으로 처리하여 복잡한 생성 작업에 대한 강력한 솔루션을 제공함을 보여준다.
