운영 서비스의 음성 인식
현재 서비스의 음성 전사에는 OpenAI gpt-4o-mini-transcribe를 사용합니다. 자체 Qwen 기반 ASR은 연구 단계이며 서비스의 전사나 대체 경로로 사용하지 않습니다.
아이 목소리에 맞춘
음성 AI를 만듭니다
아동의 목소리를 더 잘 알아듣고, 그 응답이 어떤 근거를 거쳐 결과가 되는지 설명할 수 있는 기술을 만듭니다.
내부 검증7.05%
학습 비중복 분리 화자 1명·50문장의 아동 발화 문자 오류율
캐폴 AI
아이의 응답이 리포트가 되기까지
음성을 텍스트로 옮기는 데서 끝내지 않습니다. 아이의 월령, 수행한 문항, 평가 규칙을 함께 보고 결과 문장의 근거를 확인할 수 있게 설계했습니다.
- 01아이의 응답
아동 음성·행동 입력
카메라·마이크·터치에서 아이가 직접 보인 반응
- 02음성 인식
서비스 음성 인식
운영 서비스는 OpenAI gpt-4o-mini-transcribe로 아이의 말을 옮깁니다
- 03근거 확인
근거를 확인하는 해석
수행한 문항과 아이의 실제 응답, 검사별 채점 기준
- 04결과 안내
이해하기 쉬운 리포트
실제 응답에 근거해 현재 모습과 다음 대화를 정리
내부 검증 결과
같은 아동 발화로 비교한 결과
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 쓰는 기술과 연구 중인 기술을 구분했습니다.
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.
연구 기반 통계 분석과 학술 논문
문항 연구를 바탕으로 통계 분석과 학술 논문을 준비합니다. 아직 끝나지 않은 연구를 완료로 소개하지 않습니다.
로컬 AI 관련 특허 2건 출원
로컬 AI 관련 특허 2건을 출원했으며, 현재 출원 상태로 구분해 안내합니다.
함께 연구해요