실시간 진행과 비동기 분석의 이중 트랙
현재 온라인 흐름은 응답 시작·종료 인식을 위한 범용 ASR 트랙과 자체 ASR·RAG를 활용한 비동기 분석 트랙을 함께 검증합니다.
아동 발화에 맞춘
작고 깊은 AI
아동의 목소리를 더 잘 이해하도록 음성 인식부터 근거 연결형 해석까지 하나의 연구·제품 흐름으로 설계합니다.
내부 검증7.05%
학습 비중복 분리 화자 1명·50문장의 아동 발화 문자 오류율
캐폴 AI
실제 반응에서 리포트까지, 근거가 이어지는 구조
음성을 텍스트로 바꾸는 데서 멈추지 않고, 아이의 월령과 수행 문항, 평가 규칙을 연결해 결과 문장이 어디에서 왔는지 설명할 수 있도록 설계합니다.
- 01아이의 응답
아동 음성·행동 입력
카메라·마이크·터치에서 아이가 직접 보인 반응
- 02음성 인식
Kaffol ASR+LoRA
Qwen3-ASR 1.7B 기반과 약 25MB 자체 LoRA 어댑터
- 03근거 연결
근거 연결형 해석
연령별 문항·또래 비교 데이터·전문가 검토 평가 규칙
- 04결과 안내
이해하기 쉬운 리포트
실제 응답에 근거해 현재 모습과 다음 대화를 정리
내부 검증 결과
아동 발화 조건에서 확인한 개선 신호
자체 LoRA를 적용한 ASR의 문자 오류율(CER)을 같은 내부 샘플에서 비교했습니다. 수치가 낮을수록 원문과 가까운 결과입니다.
측정 조건학습 비중복 분리 화자 1명·50문장 기준
이 결과는 아동 발화 조건에서 LoRA 개선 효과를 확인하기 위한 작은 내부 벤치마크이며, 범용 성능 우위를 의미하지 않습니다.
문자 오류율낮을수록 정확해요
| 모델 | 문자 오류율 |
|---|---|
| Kaffol AI ASR | 7.05% |
| Qwen3-ASR 1.7B 베이스 | 8.89% |
| OpenAI gpt-transcribe | 9.56% |
기술을 설명하는 원칙
현재 처리 방식과 연구 방향을 나눠 설명합니다.
아동 발화에 맞춘 작은 어댑터
음성 인코더는 고정하고 텍스트 디코더를 학습하는 약 25MB LoRA 어댑터로 아동 발화 적응 가능성을 연구합니다.
로컬 AI로 확장하는 프라이버시
현장 실증과 제조 준비가 갖춰지는 단계에 맞춰, 아동 데이터를 기기 가까이에서 처리하는 로컬·온디바이스 방향을 검토합니다.
표준화 통계 분석과 학술 논문
문항 연구를 바탕으로 표준화 통계 분석과 학술 논문을 준비하고 있습니다. 완료 전 상태를 검증 완료로 표현하지 않습니다.
로컬 AI 관련 특허 2건 출원
로컬 AI 관련 특허 2건을 출원했으며, 현재 출원 상태로 구분해 안내합니다.
함께 연구해요