연구자들, 딥 뉴럴 네트워크를 이용한 인간 음성 인식 모델 개발

독일의 연구자들은 기계 학습과 딥 뉴럴 네트워크를 기반으로 하는 새로운 인간 음성 인식 모델을 탐구하고 있다. 이 새로운 모델은 인간 음성 인식을 크게 개선할 수 있을 것이다.

청력 보조 알고리즘은 일반적으로 인간 음성 인식을 개선하는 데 사용되며, 특정 수의 단어가 인식되는 신호 대 노이즈 비율을 결정하는 다양한 실험을 통해 평가된다. 그러나 이러한 실험은 종종 시간이 많이 걸리고 비용이 많이 든다.

새로운 모델은 아쿠스틱 소사이어티 저널에 발표된 연구에서 자세히 설명되었다.

청각 장애인 청자에 대한 예측

카를 폰 오시에츠키 대학교의 저자 중 하나인 야나 로스바흐는 다음과 같이 말했다.

“우리의 모델의 새로운 점은 매우 다른 복잡성의 노이즈 유형에 대해 청각 장애인 청자에 대한 좋은 예측을 제공하며 낮은 오류와 측정 데이터와 높은 상관관계를 보여준다”고 로스바흐는 말했다.

연구자들은 자동 음성 인식(ASR)을 통해 청자가 한 문장에서 얼마나 많은 단어를 이해할 수 있는지 계산했다. 알렉사와 시리를 포함한 음성 인식 도구는 이 ASR에 의존하며 널리 사용되고 있다.

연구 및 결과

연구팀이 수행한 연구에는 정상 청력과 청각 장애인 20명이 참여했다. 청자는 여러 가지 복잡한 소음에 노출되었으며, 청각 장애인 청자는 노화 관련 청력 손실 수준에 따라 세 가지 그룹으로 분류되었다.

새로운 모델을 통해 연구자들은 다양한 청력 손실 정도를 가진 청각 장애인 청자의 인간 음성 인식 성능을 예측할 수 있었다. 그들은 시간적 변조와 실제 음성과의 유사성에서 다른 복잡성을 가진 다양한 노이즈 마스커에 대해 이러한 예측을 할 수 있었다. 모든 것이 각 사람을 개별적으로 관찰하고 분석할 수 있도록 허용했다.

“우리는 예측이 모든 노이즈 유형에서 잘 작동한다는 사실에 가장 놀랐다. 우리는 모델이 단일 경쟁자와 함께 사용할 때 문제가 있으리라고 예상했다. 그러나 그렇지 않았다”고 로스바흐는 말했다.

모델이 단일 귀 청취에 중점을 두고 있기 때문에 연구팀은 이제 두 귀 청취를 위한 이중 귀 모델을 만들 계획이다. 또한 새로운 모델은 청취 노력 또는 음성 품질을 예측하는 데도 사용될 수 있다고 말했다.