Speech Accessibility Project가 시작될 당시 가장 큰 비정형 발화 데이터베이스에는 뇌성마비 화자 16명이 포함되어 있었지만, 2025년 9월 말까지 약 2,000명의 참가자가 이 프로젝트에 녹음을 제출했다(Speech Accessibility Project, 2025년 및 2026년). 또 다른 대규모 코퍼스인 Google의 Project Euphonia는 2025년 2월까지 약 3,000명의 화자가 남긴 1.5백만 건이 넘는 발화에 도달했지만, 외부 팀에는 공개되지 않는다(Martin 외, Frontiers in Language Sciences 2025; Google Project Euphonia). 데이터가 늘었다고 해서 격차가 아직 사라진 것은 아니다. AI 시스템 8개를 평가한 2026년 벤치마크에서 일반 음성의 단어 오류율(WER, 시스템이 틀리는 단어의 비율)은 5% 아래에 머물렀지만, 중증 마비말장애는 모든 시스템에서 51%를 넘었다(Alsayegh와 Masood, International Journal of Intelligent Systems 2026). 저희는 일리노이 대학교 Beckman Institute의 Speech Accessibility Project, Google Research, Linguistic Data Consortium, NIDCD, ASHA, 그리고 십여 편이 넘는 동료 심사 논문의 데이터를 종합했다. 저희 음성인식 억양 편향 통계는 이러한 오류가 인종, 방언, 억양에 따른 격차와 어떻게 비교되는지 다룬다. 이 정리는 데이터셋 자체를 살펴본다. 얼마나 큰지, 누가 포함되어 있는지, 그리고 오류율에 어떤 영향을 미치는지를 다룬다.
요약
- 2025년 9월 말까지 약 2,000명이 Speech Accessibility Project에 녹음을 제출했다 (Speech Accessibility Project, 2026)
- Project Euphonia는 2025년 2월 기준으로 약 3,000명의 화자가 남긴 1.5백만 건이 넘는 발화를 보유했으며, Google은 이를 사내 밖으로 공유하지 않는다 (Martin 외, Frontiers in Language Sciences 2025)
- 2012년 이후 표준 벤치마크인 TORGO에는 마비말장애 화자 8명과 약 23시간의 오디오가 들어 있다 (Linguistic Data Consortium, LDC2012S02)
- UA-Speech는 2008년에 뇌성마비 화자 19명을 녹음했고, 현재 배포본에는 16명이 남아 있다 (일리노이 대학교, UA-Speech 2008)
- Speech Accessibility Project에서는 파킨슨병, 뇌성마비, ALS, 다운 증후군, 뇌졸중 각각에 참가자 400명이 계획되었다 (ClinicalTrials.gov NCT05889260)
- Euphonia의 화자 195명 연구용 하위 집합에서 ALS 화자가 39.2%를 차지했고, 파킨슨병은 10.8%였다 (Tobin과 Tomanek, Google 2021)
- TORGO에서 AI 시스템 8개 모두가 중증 마비말장애에서 WER 51%를 넘었다 (Alsayegh와 Masood, IJIS 2026)
- UA-Speech에서 Whisper-Turbo의 제로샷 문자 오류율은 대조군 화자에서 9.3%, 마비말장애 화자에서 165.2%였다 (de Groot 외, TU Delft 2025)
- Google의 USM을 장애 음성으로 미세 조정하자 중증 음성의 WER이 48.1에서 31.3으로 내려갔다 (Tobin 외, Google Research 2024)
- 개인화 모델은 ALS의 WER을 상대적으로 62% 개선했고, 그 개선의 71%는 5분의 데이터에서 나왔다 (Shor 외, Interspeech 2019)
- TORGO에는 텍스트 항목 16,394개 중 고유한 텍스트가 957개뿐이다 (Hui 외, 2024)
- 마비말장애는 파킨슨병 환자의 44%에서 88%에서 나타난다 (ASHA Practice Portal, Dysarthria in Adults)
1. 두 대규모 코퍼스: Speech Accessibility Project와 Project Euphonia
장애 음성 데이터는 이제 널리 쓰이는 낭독 음성 벤치마크인 LibriSpeech에 견줄 만한 규모로 존재하지만, 두 대규모 컬렉션 가운데 공개된 것은 하나뿐이다. 2025년 9월 말까지 약 2,000명의 참가자가 Speech Accessibility Project에 녹음을 제출했으며, 프로젝트는 약 65개 기관이 그 데이터를 사용하고 있다고 밝힌다. Google의 Euphonia 코퍼스는 화자 수에서는 더 크지만, 프로젝트 페이지에는 이 데이터셋을 외부 팀이나 기업에 제공하지 않는다고 명시되어 있다(Google, Project Euphonia).
실질적인 의미는 장애 음성 인식에 관한 공개 연구가 대부분 하나의 관문을 거쳐 이루어진다는 것이다. Speech Accessibility Project는 데이터 사용 계약(누가 어떤 목적으로 녹음을 쓸 수 있는지 정한 서명된 계약)에 따라 데이터를 공개하는데, 이 계약은 신청 기관의 서명 두 개를 요구하며 최대 3년간 유효하다(Speech Accessibility Project, Conduct Research 페이지). Euphonia의 성장은 2024년 1.2백만 건에서 2025년 1.5백만 건 초과로 이어졌지만, Google 내부에 머문다.
| 지표 | 값 | 출처 |
|---|---|---|
| 2025년 9월 말 기준 Speech Accessibility Project에 녹음을 제출한 참가자 | 약 2,000명 | Speech Accessibility Project, 홈페이지 2026 |
| Speech Accessibility Project 데이터 패키지, 카탈로그 설명 | 약 1,130명의 참가자가 남긴 약 1,090시간의 음성; 5개 질환 | 요크 대학교 YorVoice 카탈로그, Speech Accessibility Project 기록 |
| Speech Accessibility Project 연구 접근 페이지 | 1,500시간의 녹음 음성; 약 999명의 참가자; 데이터를 사용하는 약 65개 기관 | Speech Accessibility Project, Conduct Research 페이지 2026 |
| Project Euphonia 코퍼스, 2025년 2월 | 약 3,000명의 화자가 남긴 1.5백만 건이 넘는 발화 | Google (Martin 외), Frontiers in Language Sciences 2025 |
| Project Euphonia 코퍼스, 2024년 | 2,000명이 넘는 화자가 남긴 1.2백만 건의 발화 | Google (Jiang 외), Interspeech 2024 |
| 사람이 검토하고 수정한 전사본이 있는 Euphonia 녹음 | 352,130건 (코퍼스의 29%) | Google (Jiang 외), Interspeech 2024 |
| 발화 특성 레이블이 있는 Euphonia 화자 | 화자의 75% 초과, 40개가 넘는 레이블 | Google (Jiang 외), Interspeech 2024 |
맥락: 규모를 비교하자면, 낭독된 오디오북으로 만든 LibriSpeech는 약 1,000시간의 코퍼스이다(OpenSLR, LibriSpeech). Speech Accessibility Project의 두 가지 설명은 서로 맞지 않으며(프로젝트 자체 페이지에서는 시간은 더 많고 참가자는 더 적음), 이를 데이터 참고 사항에 기록한다. Euphonia 수치는 Jiang 외와 Martin 외에서 가져왔다.
2. 오래된 코퍼스: TORGO, UA-Speech, 소규모 데이터의 시대
10년 넘게 마비말장애 음성 인식은 소수의 화자로 벤치마크되어 왔다. TORGO에는 마비말장애 화자 8명(남성 5명, 여성 3명)과 대조군 화자 7명이 포함되며, 2008년부터 2010년까지 토론토에서 녹음된 약 23시간의 영어 음성으로 구성된다. 일리노이 대학교에서 녹음된 UA-Speech는 뇌성마비 화자 19명을 대상으로 했으며, 각 화자는 765개의 고립 단어를 읽었다(Kim 외, Interspeech 2008). 두 코퍼스 중 어느 쪽에서든 최첨단이라고 보고된 모델은 사실상 일반적인 한 학급보다 적은 사람들로 테스트된 셈이다.
코퍼스는 시간이 지나면서 줄어들고 쪼개지기도 한다. UA-Speech는 현재 원래 화자 19명 중 16명분을 배포하는데, 세 명이 허락을 철회했거나 데이터가 손상되었기 때문이며, 라이선스는 상업적 사용을 금지한다(일리노이 대학교, UA-Speech). 영어 밖에서도 상황은 비슷해서, 이탈리아어 명령어 코퍼스와 중국어(만다린) 코퍼스는 각각 수십 명의 화자를 바탕으로 한다.
| 지표 | 값 | 출처 |
|---|---|---|
| TORGO 화자 | 마비말장애 8명(뇌성마비 또는 ALS)과 대조군 7명 | Linguistic Data Consortium, TORGO LDC2012S02 (2012) |
| TORGO 오디오 및 공개 | 약 23시간, 2008년부터 2010년까지 녹음; 2012년 1월 19일 공개 | Linguistic Data Consortium, TORGO LDC2012S02 (2012) |
| TORGO 낭독 자료 | Yorkston과 Beukelman의 문장 162개, TIMIT에서 파생한 문장 460개, 그리고 혀와 입술 움직임 기록(전자기 조음 측정) | Linguistic Data Consortium, TORGO LDC2012S02 (2012) |
| 뇌성마비가 있는 UA-Speech 화자, 원래 대 현재 배포본 | 19명 대 16명 | Kim 외, Interspeech 2008; 일리노이 대학교, UA-Speech 페이지 |
| UA-Speech 어휘 및 녹음 환경 | 화자당 고립 단어 765개, 그중 서로 다른 드문 단어 300개; 마이크 8개 어레이 | Kim 외, Interspeech 2008 |
| Speech Accessibility Project 시작 당시 가장 큰 비정형 발화 데이터베이스 | 뇌성마비 환자 16명 | Speech Accessibility Project, Microsoft Azure 기사 2025 |
| EasyCall (이탈리아어) | 마비말장애 화자 31명과 건강한 화자 24명이 남긴 녹음 21,386건 | Turrisi 외, Interspeech 2021 |
| CDSD (중국어 만다린) | 화자 44명이 남긴 133시간 | Wang 외, Chinese Dysarthria Speech Database (arXiv v2, 2025) |
이용 가능한 최신 데이터: TORGO(LDC, 2012), UA-Speech(Kim 외, 2008), EasyCall(Interspeech 2021)은 모두 3년이 넘은 자료이지만, 여전히 대부분의 논문이 보고 대상으로 삼는 코퍼스이다. 중국어 CDSD 논문은 133시간을 오디오 124시간과 영상 9시간으로 구성된 것으로 밝히며, 오디오 중 80시간은 각각 10시간씩 녹음한 화자 8명에게서만 나왔다.
3. 데이터에 누가 포함되어 있나: 병인, 중증도, 언어
모든 대규모 코퍼스는 가장 먼저 모집하기 쉬웠던 사람들 쪽으로 치우친다. Speech Accessibility Project는 5가지 병인(발화 차이의 근본적인 의학적 원인)별로 400명씩, 총 2,000명을 목표로 설계되었다. 파킨슨병, ALS, 뇌성마비, 다운 증후군, 뇌졸중이다(ClinicalTrials.gov NCT05889260). 첫 데이터 패키지에는 파킨슨병 화자만 들어 있었고, 주로 2023년에 녹음된 2024년 4월의 챌린지 공개본도 여전히 그들이 대다수를 차지했다(Zheng 외, Interspeech 2025 Challenge). 이 집단의 임상적 측면은 저희 파킨슨병 발화 및 음성 치료 통계에서 다룬다.
Euphonia의 편향은 반대 방향, 즉 ALS와 더 가벼운 발화 쪽으로 기울어 있다. 화자 195명의 연구용 하위 집합에서 ALS가 화자의 39.2%를 차지했고, 4분의 1은 중증으로 평가되었다. Speech Accessibility Project의 첫 패키지에서 평가된 녹음의 대부분은 명료도 평가에서 장애가 가장 적은 쪽에 놓여 있었는데, 이는 중요하다. 대부분 경도 발화로 이루어진 데이터셋은 모델의 평균을 실제보다 좋아 보이게 하기 때문이다.
| 지표 | 값 | 출처 |
|---|---|---|
| Speech Accessibility Project 계획된 설계 | 2,000명, 병인별 400명, 음성 샘플 1.2백만 개(1인당 600개) | ClinicalTrials.gov NCT05889260, Speech Accessibility Project 기록 |
| 등록 기록의 실제 등록 인원(파킨슨병과 관련 파킨슨 증후군 상태를 기재) | 참가자 485명; 연구는 2025년 7월 31일 완료 | ClinicalTrials.gov NCT05889260, Speech Accessibility Project 기록 |
| SAP-240430 챌린지 공개본, 학습 분할 | 화자 369명, 발화 131,420건, 290.35시간 | Zheng 외, Interspeech 2025 Speech Accessibility Project Challenge |
| SAP-240430 개발 및 테스트 분할 | Dev 화자 55명(43.56시간); Test1 화자 50명(42.16시간); Test2 화자 50명(38.77시간) | Zheng 외, Interspeech 2025 Speech Accessibility Project Challenge |
| 첫 데이터 패키지 모집, 등록자 대 승인자 대 녹음자 | 746명 대 283명 대 253명 | Speech Accessibility Project (Hasegawa-Johnson 외), JSLHR 2024 |
| 첫 데이터 패키지, 1에서 7까지 척도의 명료도 평가(1 = 장애가 가장 적음) | 평가된 녹음의 76%가 1; 1.5%가 5에서 7 | Speech Accessibility Project (Hasegawa-Johnson 외), JSLHR 2024 |
| Euphonia 화자 195명 하위 집합, 병인별 | ALS 39.2%; 뇌성마비 13.4%; 파킨슨병 10.8%; 청각 장애 5.2%; 운동실조 3.1% | Google (Tobin과 Tomanek), Personalized ASR on Small Disordered Speech Datasets 2021 |
| Euphonia 화자 195명 하위 집합, 중증도별 | 일반 7.7%; 경도 35.4%; 중등도 31.8%; 중증 25.1% | Google (Tobin과 Tomanek), Personalized ASR on Small Disordered Speech Datasets 2021 |
맥락: 언어 범위가 가장 얕은 차원이다. Speech Accessibility Project 첫 패키지의 참가자는 모두 미국 영어를 모국어로 보고했고(Hasegawa-Johnson 외, JSLHR 2024), Google의 Euphonia 페이지는 Speech Accessibility Project 프로그램이 현재 영어로만 이용 가능하다고 밝힌다. Euphonia의 4개 언어 확장은 2025년까지 화자 132명에 이르렀다. 일본어 76명, 스페인어 38명, 프랑스어 14명, 힌디어 4명이다(Martin 외, Frontiers in Language Sciences 2025). ALS 환자들도 발화가 변하면서 같은 격차에 직면하며, 저희 ALS 구마비 발화 저하 통계가 이를 시간에 따라 추적한다.
4. 마비말장애 음성의 단어 오류율 격차
기성 인식기는 경도 마비말장애에서는 거의 해결된 수준에 가깝지만, 중증 쪽에서는 여전히 실패한다. TORGO에서 Whisper large-v3, Deepgram Nova-3, GPT-4o, Gemini 2.5 Pro를 포함한 시스템 8개를 평가한 2026년 벤치마크에서, 중증 마비말장애는 모든 시스템에서 WER 51%를 넘었고, 상위 시스템은 경도 마비말장애에서 대략 1%에서 2%를 기록했다(Alsayegh와 Masood, IJIS 2026). 멀티모달 대규모 언어 모델은 기본 설정에서 기존 인식기에 비해 우위를 보이지 못했다.
실패를 예측하는 변수는 모델의 브랜드가 아니라 중증도이다. Google 자체의 기준선은 낭독 문장 테스트 세트에서 경도 음성의 10.7 WER에서 중증 음성의 48.1까지 올라간다(Tobin 외, Google Research 2024). UA-Speech에서 제로샷(화자에 대한 적응 없이 사용하는 것) Whisper-Turbo는 100%를 넘는 문자 오류율을 냈는데, 이는 모델이 참조 텍스트에 들어 있는 것보다 더 많은 틀린 문자, 즉 지어낸 단어까지 출력할 때 발생한다.
| 지표 | 값 | 출처 |
|---|---|---|
| TORGO, 상용 및 멀티모달 AI 시스템 8개, 일반 음성 대 중증 마비말장애 | 5% 미만 WER 대 모든 시스템에서 51% 초과 WER | Alsayegh와 Masood, International Journal of Intelligent Systems 2026 |
| TORGO, 경도 마비말장애, 상위 시스템 | 대략 1%에서 2% WER | Alsayegh와 Masood, International Journal of Intelligent Systems 2026 |
| 중증 마비말장애, 기본 프롬프트 대 축어 전사 프롬프트 | GPT-4o 60.1%에서 52.9%; GPT-4o Mini 66.0%에서 약 55% | Alsayegh와 Masood, International Journal of Intelligent Systems 2026 |
| UA-Speech, Whisper-Turbo 제로샷 문자 오류율, 대조군 화자 대 마비말장애 화자 | 9.3% 대 165.2% | de Groot 외 (TU Delft), Diffusion-Based Speech Enhancement for Dysarthric Speech 2025 |
| Euphonia 낭독 문장 테스트 세트, 중증도별 USM 기준 WER | 경도 10.7; 중등도 29.5; 중증 48.1 | Google (Tobin 외), Towards a Single ASR Model That Generalizes to Disordered Speech 2024 |
| 파킨슨병 테스트 세트(모든 낭독 문장), 일반 낭독 음성으로만 학습한 모델 | LibriSpeech 100시간: WER 45.15%; LibriSpeech 960시간: WER 38.76% | Speech Accessibility Project (Hasegawa-Johnson 외), JSLHR 2024 |
| 별도 조정 없이 WER이 홈 오토메이션 목표 15%를 충족한 화자, 전체 화자 대 중증 화자 | 35% 대 10% | Google (Tobin과 Tomanek), Personalized ASR on Small Disordered Speech Datasets 2021 |
이상치: GPT-4o가 축어 전사 프롬프트로 개선된 것은 중증 음성에 대한 멀티모달 모델 오류의 일부가 잘못 들어서만이 아니라 말한 내용을 바꿔 쓰는 데서 비롯됨을 보여준다. 저자들은 Gemini 모델이 같은 프롬프트에서 일관된 이득을 얻지 못했다고 보고한다. UA-Speech 수치는 de Groot 외에서 가져온 것으로, 이들은 제로샷 조건에서 마비말장애 화자의 결과를 명료도 그룹별이 아니라 종합 수치로만 보고한다.
5. 개인화 및 미세 조정 모델의 효과
알맞은 데이터를 소량 더하는 것이 어떤 아키텍처 변경보다 오류율을 더 크게 움직인다. 개인화 모델은 ALS 화자에서 WER을 상대적으로 62% 개선했고, 그 개선의 71%는 단 5분의 학습 데이터에서 나왔다(Shor 외, Interspeech 2019). 이 모델들은 ALS 화자 67명, 약 36시간의 오디오로 학습되었다(Google Research 블로그, 2019).
더 최근의 결과는 하나의 공유 모델이 그 이점의 상당 부분을 흡수할 수 있다는 것이다. 1,158시간의 장애 음성으로 미세 조정한 Google의 USM은 기준선과 화자별 모델 사이 격차의 64%를 메웠고, Microsoft는 Speech Accessibility Project 데이터를 통해 Azure AI Speech에서 화자의 장애에 따라 18%에서 60%의 정확도 향상이 있었다고 보고한다. 한계는 여전히 중증도이다. 미세 조정된 모델의 중증 음성 WER 31.3은 같은 표에 있는 경도 음성 수치 7.3의 4배가 넘는다(31.3을 7.3으로 나누면 4.3).
| 지표 | 값 | 출처 |
|---|---|---|
| 개인화 모델의 WER 상대 개선, ALS 음성 대 억양이 있는 음성 | 62% 대 35% | Google (Shor 외), Interspeech 2019 |
| 개인화 후 ALS 화자의 WER, 메시지 뱅크 문구, 경도 대 더 심한 마비말장애 | 10% 대 20% | Google (Shor 외), Interspeech 2019 |
| 발화 50건(3에서 4분)과 발화 250건(18에서 20분)으로 홈 오토메이션 목표 WER 15%에 도달한 화자 | 63% 대 79% | Google (Tobin과 Tomanek), Personalized ASR on Small Disordered Speech Datasets 2021 |
| 장애 음성으로 미세 조정한 USM, 중증도별 WER 전후 | 경도 10.7에서 7.3; 중등도 29.5에서 19.6; 중증 48.1에서 31.3 | Google (Tobin 외), Towards a Single ASR Model That Generalizes to Disordered Speech 2024 |
| USM 미세 조정, 낭독 문장 음성 대 자발적 대화 음성의 상대 개선 | 33% 대 26% | Google (Tobin 외), Towards a Single ASR Model That Generalizes to Disordered Speech 2024 |
| Speech Accessibility Project 데이터를 활용한 Microsoft Azure AI Speech 향상 | 18%에서 60%, 화자의 장애에 따라 다름 | Speech Accessibility Project, Microsoft Azure 기사 2025 |
| 중국어 CDSD 테스트 문자 오류율, CDSD만으로 학습 대 WenetSpeech로 사전 학습 후 미세 조정 | 24.9% 대 16.4% | Wang 외, Chinese Dysarthria Speech Database (arXiv v2, 2025) |
| UA-Speech, 명료도 그룹별 미세 조정된 Whisper-Turbo 문자 오류율 | 매우 낮음 64.4%; 낮음 44.8%; 중간 40.1%; 높음 30.2% | de Groot 외 (TU Delft), Diffusion-Based Speech Enhancement for Dysarthric Speech 2025 |
맥락: 중증 화자는 자신의 데이터를 모두 사용해도 여전히 가장 어려운 집단이다. Euphonia 개인화 연구에서 중증 화자의 69%가 전체 녹음으로 홈 오토메이션 목표 15%에 도달했고, 경도 화자에서는 99%였다(Tobin과 Tomanek, 2021). Speech Accessibility Project의 책임자는 데이터셋의 일부로 학습하자 파킨슨병 환자의 오류율이 거의 절반으로 줄었다고 말했다(Speech Accessibility Project, 데이터 공유 발표 2024). 화자별 개인화에 관한 이용 가능한 최신 데이터: Shor 외(2019)와 Tobin과 Tomanek(2021).
6. 벤치마크의 함정: 낭독 문장 중복, 녹음 아티팩트, 레이블 노이즈
낭독 문장이 반복되는 소규모 코퍼스는 발표된 정확도를 실제 사용보다 좋아 보이게 만든다. TORGO에는 텍스트 항목 16,394개 중 고유한 텍스트가 957개뿐이며, 마비말장애 화자 8명의 화자별 낭독 문장 중복은 95.7%에서 100%에 이른다(Hui 외, 2024). 저자들이 어떤 낭독 문장도 학습과 테스트에 동시에 나타나지 않도록 분할을 다시 만들자, 경도 화자에 대한 wav2vec2 모델의 WER이 3.17%에서 45.21%로 올랐다. 모델은 화자가 아니라 문장 목록을 학습할 수 있다.
같은 효과가 가장 최근의 코퍼스에서도 나타난다. 학습 화자도 읽은 낭독 문장에서 Speech Accessibility Project의 미세 조정 모델은 WER 5.18%를 기록했으며, 논문이 공유 낭독 문장과 비공유 낭독 문장을 따로 보고하는 것도 그 때문이다. 녹음 조건이 두 번째 함정이다. Schu 외(2022)는 최첨단 마비말장애 분류기 대부분이 UA-Speech와 TORGO의 발화가 없는 구간에서도 같거나 더 나은 성능을 보였음을 발견했다. 즉 이 분류기들은 발화가 아니라 녹음 환경을 감지하고 있을 수 있다.
| 지표 | 값 | 출처 |
|---|---|---|
| TORGO 고유 텍스트 대 전체 텍스트 항목 | 957개 대 16,394개 | Hui 외, Enhancing AAC Software for Dysarthric Speakers, arXiv 2024 |
| TORGO 화자별 낭독 문장 중복, 마비말장애 화자 8명 | 95.7%에서 100% | Hui 외, Enhancing AAC Software for Dysarthric Speakers, arXiv 2024 |
| wav2vec2 WER, 중증 화자 M04, 원래 분할 대 중복 없는 분할 | 64.50% 대 93.75% | Hui 외, Enhancing AAC Software for Dysarthric Speakers, arXiv 2024 |
| wav2vec2 WER, 경도 화자 M03, 원래 분할 대 중복 없는 분할 | 3.17% 대 45.21% | Hui 외, Enhancing AAC Software for Dysarthric Speakers, arXiv 2024 |
| 학습 화자와 공유하는 파킨슨병 낭독 문장, LibriSpeech 960시간으로 학습한 모델 대 프로젝트 데이터로 미세 조정한 모델 | WER 45.39% 대 5.18% | Speech Accessibility Project (Hasegawa-Johnson 외), JSLHR 2024 |
| Euphonia 전사본 검토, 화자별로 표준화된 전사본 대 실제 단어 변경이 있는 발화 | 평균 72% 대 5% 미만 | Google (Jiang 외), Interspeech 2024 |
| Euphonia 자동 무음성 필터, 플래그가 지정된 녹음 중 실제로 발화를 포함한 비율(거짓 누락률) | 47.7% | Google (Jiang 외), Interspeech 2024 |
| 장애 음성으로 미세 조정한 USM, 일반 음성에 대한 LibriSpeech Clean WER | 2.4, 테스트한 데이터 가중치에서 변화 없음 | Google (Tobin 외), Towards a Single ASR Model That Generalizes to Disordered Speech 2024 |
맥락: Euphonia의 레이블 노이즈는 대부분 표면적인 것이었다. 수정의 약 95%가 구두점, 대소문자 또는 기타 정규화였기 때문이다. 더 큰 위험은 자동 필터가 유효하지만 조용하거나 느린 발화를 버리는 것으로, 이는 데이터셋이 가장 필요로 하는 화자를 정확히 제거한다. USM 결과는 흔한 우려에 답한다. 장애 음성을 추가해도 저자들이 테스트한 가중치에서는 일반 음성의 정확도가 떨어지지 않았다.
7. 유병률 맥락: 이 데이터셋들이 대상으로 하는 인구
위의 코퍼스가 다루는 것은 수천 명의 화자이지만, 발화에 차이가 있는 인구는 수백만 명에 이른다. 2012년 미국의 3세에서 17세 어린이 중 7.7%가 지난 12개월 동안 의사소통 또는 삼킴 장애를 겪었고, 말 문제가 5.0%로 가장 흔한 유형이었다(NCHS Data Brief No. 205). 같은 해에 중재 서비스를 받은 아이들은 그중 55.2%에 불과했다.
성인에서 마비말장애는 드문 장애가 아니라 흔한 신경 질환의 빈번한 특징이다. ASHA의 검토는 이를 파킨슨병 환자의 44%에서 88%, 급성 뇌졸중 환자의 22%에서 58%로 제시하며(ASHA Practice Portal, Dysarthria in Adults), 대표성 있는 데이터셋이 반영해야 하는 것은 편의 표본의 구성이 아니라 이러한 범위이다. 말더듬 같은 유창성 장애는 또 다른 집단을 더하며, 저희 말더듬 인구통계 통계에서 소개한다.
| 지표 | 값 | 출처 |
|---|---|---|
| 지난 12개월 동안 의사소통 또는 삼킴 장애가 있었던 미국 3세에서 17세 어린이; 말 문제 | 7.7%; 5.0% | NCHS Data Brief No. 205 (2015, 2012년 NHIS 데이터) |
| 연령별 유병률, 3세에서 6세 대 11세에서 17세 | 11.0% 대 4.9% | NCHS Data Brief No. 205 (2015, 2012년 NHIS 데이터) |
| 지난 12개월 동안 중재 서비스를 받은 장애 아동 | 55.2% | NCHS Data Brief No. 205 (2015, 2012년 NHIS 데이터) |
| 지난 12개월 동안 음성 문제를 보고한 미국 성인 | 7.6% (약 17.9백만 명) | NIDCD, Quick Statistics About Voice, Speech, and Language |
| 말을 더듬는 미국인; 실어증과 함께 사는 미국인 | 3백만 명 이상 (약 1%); 약 2백만 명, 매년 약 180,000건의 신규 사례 | NIDCD, Quick Statistics About Voice, Speech, and Language |
| 마비말장애 비율, 파킨슨병; 다발성 경화증; 급성 뇌졸중; 급성에서 아급성 외상성 뇌손상 | 44%에서 88%; 40%에서 51%; 22%에서 58%; 약 30%에서 86% | ASHA Practice Portal, Dysarthria in Adults |
| 마비말장애 비율, 헌팅턴병; ALS 같은 신경근육 질환 | 78%에서 93%; 26%에서 62% | ASHA Practice Portal, Dysarthria in Adults |
| 청각, 말 또는 언어 어려움이 있으면서 낙인을 경험했다고 보고한 미국 성인 | 조사 대상 1,004명의 65% | ASHA-YouGov National Poll 2024 |
이용 가능한 최신 데이터: 어린이 유병률 수치는 2015년에 발표된 2012년 전국 건강 면접 조사(NHIS)에서 나온 것이며, NIDCD 자체 요약(NIDCD Quick Statistics)도 같은 조사를 인용한다. 낙인 수치는 2024년 2월 21일부터 26일까지 실시된 온라인 설문에서 나왔다(ASHA-YouGov, 2024).
숫자로 보는 비정형 발화·마비말장애 AI 데이터셋
| 지표 | 값 | 출처 |
|---|---|---|
| 2025년 9월 말 기준 Speech Accessibility Project에 녹음을 제출한 참가자 | 약 2,000명 | Speech Accessibility Project, 홈페이지 2026 |
| Speech Accessibility Project 데이터 패키지, 카탈로그 설명 | 약 1,130명의 참가자가 남긴 약 1,090시간 | 요크 대학교 YorVoice 카탈로그, Speech Accessibility Project 기록 |
| Project Euphonia 코퍼스, 2025년 2월 | 약 3,000명의 화자가 남긴 1.5백만 건이 넘는 발화 | Google (Martin 외), Frontiers in Language Sciences 2025 |
| 사람이 검토한 전사본이 있는 Euphonia 녹음 | 352,130건 (29%) | Google (Jiang 외), Interspeech 2024 |
| TORGO 화자 및 오디오 | 마비말장애 화자 8명과 대조군 화자 7명; 약 23시간 | Linguistic Data Consortium, LDC2012S02 (2012) |
| 뇌성마비가 있는 UA-Speech 화자, 원래 대 현재 배포본 | 19명 대 16명 | Kim 외, Interspeech 2008; 일리노이 대학교 |
| Speech Accessibility Project 계획된 설계 | 2,000명, 병인별 400명 | ClinicalTrials.gov NCT05889260 |
| SAP-240430 학습 분할 | 화자 369명, 290.35시간 | Zheng 외, Interspeech 2025 Speech Accessibility Project Challenge |
| Euphonia 화자 195명 하위 집합, ALS 대 파킨슨병 비중 | 39.2% 대 10.8% | Google (Tobin과 Tomanek) 2021 |
| Euphonia 비영어권 화자, 2025 | 132명 (일본어 76명, 스페인어 38명, 프랑스어 14명, 힌디어 4명) | Google (Martin 외), Frontiers in Language Sciences 2025 |
| TORGO, 일반 음성 대 중증 마비말장애, AI 시스템 8개 | WER 5% 미만 대 51% 초과 | Alsayegh와 Masood, IJIS 2026 |
| UA-Speech, Whisper-Turbo 제로샷 문자 오류율, 대조군 대 마비말장애 | 9.3% 대 165.2% | de Groot 외 (TU Delft) 2025 |
| 중증 장애 음성에 대한 USM의 WER, 미세 조정 전 대 후 | 48.1 대 31.3 | Google (Tobin 외) 2024 |
| 개인화 모델, ALS 음성에 대한 WER 상대 개선 | 62%, 개선의 71%는 5분의 데이터에서 나옴 | Google (Shor 외), Interspeech 2019 |
| 학습 화자와 공유하는 파킨슨병 낭독 문장, LibriSpeech 960시간 모델 대 프로젝트 미세 조정 모델 | WER 45.39% 대 5.18% | Speech Accessibility Project (Hasegawa-Johnson 외), JSLHR 2024 |
| TORGO 고유 텍스트 대 텍스트 항목 | 957개 대 16,394개 | Hui 외, arXiv 2024 |
| 의사소통 또는 삼킴 장애가 있는 미국 3세에서 17세 어린이 (2012) | 7.7% | NCHS Data Brief No. 205 (2015) |
| 파킨슨병 환자의 마비말장애 | 44%에서 88% | ASHA Practice Portal, Dysarthria in Adults |
방법론과 출처
저희는 17번의 검색을 수행했고, 모든 수치의 근거가 되는 1차 데이터셋 페이지, 등록 기록, 학술지 논문 또는 프리프린트를 읽었다. 오류율은 각 출처 자체의 표기로 제시한다. 단어 오류율은 WER, 출처가 사용하는 경우 문자 오류율(CER)(UA-Speech 미세 조정과 중국어 코퍼스)로 하며, 퍼센트 기호의 유무도 출처의 표기를 따른다. 3년이 넘은 수치는 해당 섹션에서 이용 가능한 최신 데이터로 표시했다.
- Speech Accessibility Project 홈페이지 (일리노이 대학교 Beckman Institute), 2026
- Speech Accessibility Project, Conduct Research Through the Project
- Speech Accessibility Project, Speech Accessibility Project Data Leads to Recognition Improvements on Microsoft Azure, 2025
- Speech Accessibility Project, Now Sharing Recordings and Data, 2024
- 요크 대학교 YorVoice 카탈로그, Speech Accessibility Project 기록
- ClinicalTrials.gov, Speech Accessibility Project, NCT05889260
- Hasegawa-Johnson 외, Community-Supported Shared Infrastructure in Support of Speech Accessibility, JSLHR 2024
- Zheng 외, The Interspeech 2025 Speech Accessibility Project Challenge
- Google, Project Euphonia 논문 및 데이터 접근 페이지
- Jiang 외 (Google), Learnings from Curating a Trustworthy, Well-Annotated, and Useful Dataset of Disordered English Speech, Interspeech 2024
- Martin 외 (Google), Project Euphonia: Advancing Inclusive Speech Recognition through Expanded Data Collection and Evaluation, Frontiers in Language Sciences 2025
- Tobin과 Tomanek (Google), Personalized Automatic Speech Recognition Trained on Small Disordered Speech Datasets, 2021
- Tobin, Tomanek, Venugopalan (Google), Towards a Single ASR Model That Generalizes to Disordered Speech, 2024
- Shor 외 (Google), Personalizing ASR for Dysarthric and Accented Speech with Limited Data, Interspeech 2019 및 Euphonia 개인화에 관한 Google Research 블로그 글, 2019
- Linguistic Data Consortium, TORGO Database of Dysarthric Articulation, LDC2012S02
- Kim 외, Dysarthric Speech Database for Universal Access Research, Interspeech 2008 및 일리노이 대학교 UA-Speech 배포 페이지
- Turrisi 외, EasyCall Corpus: A Dysarthric Speech Dataset, Interspeech 2021
- Wang 외, CDSD: Chinese Dysarthria Speech Database, arXiv v2 2025
- Alsayegh와 Masood, Benchmarking Commercial Speech Recognition and Multimodal Large Language Models on Dysarthric Speech, International Journal of Intelligent Systems 2026
- de Groot 외 (TU Delft), Objective and Subjective Evaluation of Diffusion-Based Speech Enhancement for Dysarthric Speech, 2025
- Hui, Zhang, Mohan, Enhancing AAC Software for Dysarthric Speakers in e-Health Settings: An Evaluation Using TORGO, 2024
- Schu, Janbakhshi, Kodrasi, On Using the UA-Speech and TORGO Databases to Validate Automatic Dysarthric Speech Classification Approaches, 2022
- OpenSLR, LibriSpeech ASR corpus
- Black, Vahratian, Hoffman, Communication Disorders and Use of Intervention Services Among Children Aged 3-17 Years, NCHS Data Brief No. 205, 2015
- NIDCD, Quick Statistics About Voice, Speech, and Language
- ASHA Practice Portal, Dysarthria in Adults
- ASHA-YouGov National Poll: Most Adults With Communication Disorders Report Facing Stigmas, 2024
- 데이터 참고 사항: Speech Accessibility Project의 규모는 세 가지 방식으로 서술된다. 연구 페이지는 약 999명의 참가자가 남긴 1,500시간을, 요크 대학교 카탈로그 기록은 약 1,130명의 참가자가 남긴 약 1,090시간을 제시하고, 홈페이지는 2025년 9월까지 녹음을 제출한 약 2,000명을 센다(제출된 녹음은 공개되어 전사된 데이터와 같지 않다). 저희는 하나를 고르는 대신 세 가지를 모두 보고한다. ClinicalTrials.gov 기록에는 파킨슨병과 관련 파킨슨 증후군 상태만 기재되어 있으므로, 그 실제 등록 인원 485명을 프로젝트 전체 수치로 읽어서는 안 된다. JSLHR 논문은 첫 패키지의 학습 세트를 방법 절에서는 190명, 결과 절에서는 191명으로 제시한다. TORGO의 학술지 초록은 발화 장애가 있는 개인 7명을 서술하지만, LDC 공개본은 마비말장애 화자 8명을 기재한다. 저희는 LDC 수치를 사용한다. USM 논문의 초록은 약 1,000시간의 장애 음성과 학습 데이터의 1% 미만을 서술하지만, 학습 표에는 1,158시간이 기재되어 있다. CDSD 논문은 Part B를 한 절에서는 화자 8명, 다른 절에서는 주석 오류로 한 명을 제외한 뒤 7명으로 서술한다. Tobin과 Tomanek에서는 본문이 경도 화자의 90%가 발화 50건으로 목표에 도달한다고 하지만 표는 93%를 보여준다. Microsoft의 18%에서 60%라는 수치는 지표나 테스트 세트가 명시되지 않은 채 정확도 향상으로 서술된다. Euphonia 코퍼스의 두 수치(2024년과 2025년)는 상충이 아니라 성장을 반영한다. 어린이 유병률: NIDCD는 음성, 말 또는 언어 장애만으로 7.2%를 보고하는 반면, NCHS의 7.7%는 삼킴 장애까지 포함한다.
마지막 업데이트: 2026년 10월 24일. 저희는 이 정리를 분기마다 업데이트하며, 다음 갱신은 Speech Accessibility Project가 다음 데이터 패키지와 학습/테스트 분할 공개본을 발표할 때 이루어질 것으로 예상한다.