에이전틱 음성 인식을 위한 보이스 메모리

연구진은 agentic speech recognition을 위한 inference-only listener-thinker 구조인 Voice Memory를 제안했다.

고정된 corrector가 추론 시 도메인별 메모리 파일을 참조하고, score-gated optimizer는 편집이 보류 지표를 개선할 때만 메모리를 갱신한다.

이 방식은 제한 없는 생성형 오류 수정보다 overcorrection을 줄이고, HyPoradise 10개 도메인에서 weighted word error rate를 낮췄다.

특히 항공 여행 명령과 잡음이 많은 원거리 음성에서 성과가 좋았으며, 추론 시 추가 파라미터도 필요 없다.