아이비엠(IBM), 그래니트 스피치(Granite Speech) 신모델과 기존 2종 개편 발표

새로 나온 그래니트 스피치 5.0 2B 모델 카드는 출시일을 10월 20일로 명시한다. 하루 뒤 제품군 발표에 함께 소개된 것이다. 약 20억 매개변수 규모를 유지하면서 이전 4.1 2B보다 소음·울림·멀리 있는 마이크의 음성 처리와 긴 대화 번역을 개선했다는 것이 IBM의 설명이다. 모델을 새로 크게 만드는 대신 같은 규모에서 음성 처리 범위를 다듬은 변화다.

이 모델의 전사 언어는 영어·프랑스어·독일어·스페인어·포르투갈어·일본어다. 이 언어들과 영어 사이의 양방향 음성 번역을 지원하고, 영어에서 이탈리아어·중국어로 번역하는 경로도 제공한다. 한국어 음성의 받아쓰기·번역과 한국어 번역문 출력은 모두 공식 지원 범위에 없다. 번역문을 출력할 수 있는 언어라고 그 언어의 음성 입력까지 지원하는 것은 아니므로, 입력과 출력 언어를 나눠 봐야 한다.

개발자가 제품명이나 인명처럼 중요하게 인식해야 할 단어를 전달하는 목록은 최대 2,000개로 늘었다. 입력 언어를 미리 지정하는 기능도 추가됐다. 다만 모델 카드는 좋은 결과를 얻기 위해 음성을 약 2분 이하 구간으로 나눌 것을 권한다. 긴 발화를 다루는 성능이 개선됐다는 발표를 무제한 길이의 녹음을 한 번에 안정적으로 처리한다는 뜻으로 확대할 수는 없다.

경량 제품인 그래니트 스피치 5.0 470M 터보CTC(TurboCTC)는 8월 25일 나온 영어 전용판을 10월 21일 개편한 모델이다. 약 4억7,000만 매개변수 구조를 유지하면서 영어·프랑스어·독일어·스페인어·포르투갈어·이탈리아어·일본어 전사를 지원한다. 문장부호와 대문자 표기도 출력에 포함한다. 신모델 2B보다 작지만 지원 전사 언어에 이탈리아어가 추가로 들어간다.

터보CTC의 모델 카드는 공개 영어 음성 단문 시험 자료 9종을 사용한 자체 평가에서 평균 단어 오류율이 기존 5.78%에서 5.51%로 바뀌었다고 제시한다. 단어 오류율은 기준 전사문과 비교해 잘못 바꾸거나 빠뜨리거나 추가한 단어를 세는 지표다. 다만 새 다국어판의 속도·정확도 그래프 지점은 비공식 결과이고, 당시 순위표 항목에는 영어 전용판이 남아 있다고 명시했다. 새 가중치가 공식 순위표에서 그 성적을 확정받았다고 보도할 수 없는 조건이다.

여러 사람이 말하는 녹음에는 그래니트 스피치 4.1 2B 플러스(Plus)가 별도로 있다. 이 모델은 4월 28일 출시됐고 카드상 이번 가중치 갱신일은 10월 19일이다. 말한 사람을 번호로 구분하고 단어별 시간을 표시한다. 이름을 알아내는 화자 신원 확인과는 다른 기능이며, 플러스판은 문장부호·대문자 출력을 제공하지 않는다는 제한도 있다.

플러스판의 개선은 세부 지표로 봐야 한다. 변경된 영어 평가 세트에서 이전 가중치의 평균 단어 오류율은 6.01%, 새 가중치는 6.10%로 소폭 높아졌다. 반면 짧은 구간을 이어 만든 2~5분짜리 자료의 시간 표시 오차 평균은 814.3밀리초에서 328.3밀리초로 줄었다. 전사 평가는 후보 네 개를 유지하며 문장을 찾는 빔 탐색 설정을 썼으며, 두 수치 비교 모두 IBM의 자체 평가다. 전사문 자체의 정확도와 시간 위치의 정확도를 합쳐 막연히 성능이 좋아졌다고 쓰기 어려운 이유다.

이 제품군은 가중치를 직접 내려받아 운영할 수 있어 외부 음성 API와 다른 배치 선택지를 제공한다. 그러나 공개 라이선스가 연산 자원과 운영 비용까지 없애주는 것은 아니다. IBM의 모델별 카드도 일반 전사, 화자 표기, 시간 정보에 서로 다른 처리 조건을 제시한다. 이번 개편에서 확인할 변화는 모델 세 개가 동시에 모든 음성 문제를 해결한다는 주장이 아니라, 필요한 출력과 지원 언어에 따라 고를 수 있는 공개 모델의 구성이 달라졌다는 점이다.