Performance Comparison of Commercial STT APIs for Korean Child Speech Recognition

본 논문에서는 상용화된 3가지 음성 인식 API(Google, Microsoft Azure, Amazon)를 활용하여 한국어 아동 음성 인식 성능을 평가하고 문제점을 분석하였다. 아동의 음성은 성대 발달 미숙, 어휘 사용의 제한성, 발음의 불규칙성 등으로 인해 성인 음성 인식과는 다른 도전 과제를 제시한다. 실험에는 AI Hub에서 제공하는 한국어 아동 음성 데이터셋을 사용하였으며, 4~6세 아동의 음성 데이터를 기준으로 음성-문자 변환 정확도를 평가하였다. 주된 성능 평가 지표로는 문자 오류율(CER)을 사용하였으며, 부가적으로 단어 오류율(WER)을 통해 삽입 및 삭제된 단어를 분석하였다. 실험 결과, Microsoft Azure가 가장 우수한 성능을 보였고, Amazon Transcribe는 가장 낮은 성능을 기록하였다. 또한 API별로 삽입 및 삭제 오류의 특징을 분석하여 종결 표현, 명사, 수량 표현 등에 대한 약점을 확인하였다. 이를 보완하기 위한 맞춤형 데이터셋 학습 및 파인 튜닝을 통해 아동 음성 인식의 정확도를 향상시킬 수 있는 가능성을 제시하였다.