연구자들은 Moonshine과 같은 경량 음성 인식 모델이 벵골어와 같이 형태론적으로 풍부한 언어에서 실패하는 문제를 해결하기 위해 영어 중심의 바이트 레벨 토크나이저를 네이티브 스크립트 BanglaBERT WordPiece 어휘로 대체합니다. 이 수정은 토큰 임베딩 행렬의 크기를 조정하고 토큰 비옥도를 9.16에서 1.30으로 크게 줄입니다.
- 이 접근법은 자기회귀 시퀀스 길이를 85.8% 감소시켜 디코딩 불안정성을 완전히 완화합니다.
- 882시간 Lipi-Ghor 데이터셋에서 평가된 수정된 아키텍처는 Word Error Rate (WER) 21.54% 및 Real-Time Factor (RTF) 0.0053을 달성했습니다.
이 연구는 자원 집약적인 사전 학습 없이도 컴팩트한 ASR 모델의 크로스스크립트 적응을 위한 확장 가능하고 재현 가능한 청사진을 제공합니다.