지속적 음성 분리에 대한 Conformer 적용

지속적 음성 분리 기술은 대화 전사와 같은 복잡한 음성 관련 작업에서 핵심적인 역할을 한다. 분리 모델은 혼합된 음성 신호에서 단일 발화자 신호를 추출한다. 본 논문에서는 음성 분리 시스템에 순환 신경망 대신 트랜스포머와 컨포머를 활용한다. 왜냐하면 자기 주의(Self-attention) 기반 방법을 통해 전역적인 정보를 효과적으로 포착하는 것이 음성 분리에 있어 매우 중요하다고 판단하기 때문이다. LibriCSS 데이터셋에서의 평가 결과, 컨포머 기반 분리 모델은 기존 양방향 LSTM(BLSTM) 대비 문장 단위 평가에서 23.5%의 상대적 단어 오류율(WER) 감소, 지속적 평가에서는 15.4%의 WER 감소를 기록하며 최신 기술 수준의 성능을 달성하였다.