Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

FAMA: The First Large-Scale Open-Science Speech Foundation Model for English and Italian

Created by
  • Haebom

저자

Sara Papi, Marco Gaido, Luisa Bentivogli, Alessio Brutti, Mauro Cettolo, Roberto Gretter, Marco Matassoni, Mohamed Nabih, Matteo Negri

개요

본 논문은 Whisper 및 SeamlessM4T와 같은 음성 기반 모델(SFMs)의 발전에도 불구하고, 폐쇄적인 특성으로 인해 재현성과 공정한 평가에 어려움이 있음을 지적합니다. 이를 해결하기 위해, 본 연구는 15만 시간 이상의 오픈소스 음성 데이터를 사용하여 영어와 이탈리아어에 대한 최초의 오픈 사이언스 SFM인 FAMA를 소개합니다. 또한, 16,000시간의 정제 및 의사 레이블링된 음성 데이터를 포함하는 새로운 데이터셋도 제시합니다. FAMA는 기존 SFM과 비교하여 경쟁력 있는 성능을 달성하면서 최대 8배 빠른 속도를 보입니다. 모든 결과물(코드, 데이터셋, 모델 포함)은 오픈소스 라이선스 하에 공개되어 음성 기술 연구의 개방성을 증진시킵니다.

시사점, 한계점

시사점:
오픈소스 음성 데이터를 기반으로 한 최초의 오픈 사이언스 SFM (FAMA) 제시.
기존 SFM과 비교하여 경쟁력 있는 성능과 최대 8배 향상된 속도 달성.
16,000시간의 새로운 정제 및 의사 레이블링된 음성 데이터셋 공개.
음성 기술 연구의 개방성 증진.
한계점:
현재 영어와 이탈리아어에만 국한된 모델.
데이터셋의 품질 및 균형에 대한 추가적인 연구 필요.
다양한 언어 및 다양한 음성 특징에 대한 확장성 검토 필요.
👍