본 기사는 CSSEL-P2P라는 데이터 기반의 동시 음성 번역 접근 방식을 제시합니다. 이 방법은 디코더 전용 LLM 시스템에서 종종 요구되는 취약한 아키텍처 변경과 명시적인 읽기/쓰기 정책을 피합니다. 이 방법은 되감기 기반 커밋드 접두사(prefix)를 사용한 누적 스트리밍 디코딩을 위한 고정 길이 청크, 교사 라벨링된 접두사-대-접두사 목표, 그리고 파인튜닝을 위한 제한된 대기 시간을 결합하여 활용합니다.

  • CSSEL-P2P는 유사한 지연 시간(평균 지연 +0.15초)에서 CSSEL 스트리밍 베이스라인 대비 COMETKiwi 점수가 +1.54 향상되어 스트리밍 품질을 개선합니다.
  • 이 접근 방식은 분할 경계가 모호한 대화형 음성에서의 과제를 해결하며, 복잡한 아키텍처 수정에 대한 효과적인 대안을 제공합니다.

이는 모델의 구조적 변경 없이 접두사-대-접두사 감독(supervision)을 통해 동시 음성 번역을 효과적으로 달성할 수 있음을 보여줍니다.