# 반복 블록으로 음성 인식 모델 크기 줄인다

> 연구진은 블록 간 가중치를 공유해 ASR 모델의 크기를 줄이면서 대형 모델의 정확도를 대부분 유지하는 방법을 제안했다.

Oossa · 2026-10-30 · https://oossa.com/ko/a-recurrent-design-aims-to-shrink-speech-recognition-models

arXiv에 논문을 올린 연구팀이 각 계층에 고유한 매개변수를 두는 대신 소수의 블록을 반복해서 사용하는 음성 인식 모델을 제안했다. 연구진은 대형 모델의 지식을 전이하는 학습 기법을 함께 적용하면 매개변수 수를 약 10분의 1로 줄이면서 정확도를 유지할 수 있다고 밝혔다.

초록에 따르면, Open ASR Leaderboard 벤치마크에서 블록 두 개를 공유하는 모델은 대형 모델의 평균 정확도 중 97.4%를 달성했다. 연구팀은 소형 모델을 사용자별로 조정하는 방법도 설명했지만, 초록에는 기기 측정 결과가 제시되지 않았으며 실제 환경에서의 성능도 확인되지 않았다.

## 팩트

- 연구진은 블록 두 개를 공유하는 모델이 Open ASR Leaderboard 벤치마크에서 대형 모델의 평균 정확도 중 97.4%를 달성했다고 보고했다.
- 논문은 2026년 10월 30일 arXiv에 게시됐다.

## 왜 중요한가

스마트워치나 안경용 음성 인식 기능을 개발하는 이들에게 매개변수가 적은 모델은 메모리 제약을 덜어줄 수 있다. 다만 이 설계가 실제 기기에서 유의미한 속도 향상이나 에너지 절감 효과를 낼지는 아직 알 수 없다.

## 출처 및 참고 자료

1. [Depth through Recurrence: Towards Ultra-Efficient On-Device ASR](https://arxiv.org/abs/2610.37833) – arXiv cs.LG, 2026-10-30

최종 업데이트: 2026-10-30