추가 학습 없이 그대로 사용하면, Whisper의 단어 오류율은 대본 문구를 읽는 유치원생에서 84.6%였고, 같은 테스트의 4학년에서는 17.5%였다(Singh, Sahidullah, Kinnunen, Causal Analysis of ASR Errors for Children 2025). 단어 오류율(WER)은 시스템이 사람의 전사본과 비교해 단어를 바꾸거나 빠뜨리거나 끼워 넣은 비율이므로 100%를 넘을 수도 있다. 같은 모델 계열은 과학 튜터와 대화하는 미국 어린이에서 25.00%, 성인 낭독 음성에서 5.40%를 기록했으며(Jain 외, Interspeech 2023), 이 격차는 학습 데이터의 양과 맞물려 있다. 가장 큰 공개 영어 어린이 코퍼스는 약 470시간(Linguistic Data Consortium, LDC2021S05)인 반면, Whisper-largeV3는 1백만 시간으로 학습되었다(Fan 외, Interspeech 2024). 나이는 문제의 한 축일 뿐이며, 억양과 방언 격차와 환각 비율도 데이터 포괄 범위라는 비슷한 논리를 따른다. 저희는 Interspeech, ICASSP, WOCCI 논문, Journal of the Acoustical Society of America, Linguistic Data Consortium, Frontiers in Education, 그리고 미국 연방거래위원회의 데이터를 종합했다.
요약
- CSLU Kids 대본 낭독 테스트에서 추가 학습 없는 Whisper의 WER: 유치원 84.6%, 4학년 17.5% (Singh 외, 2025)
- 그대로 쓴 Whisper Large-V2: 어린이 음성 MyST에서 WER 25.00%, 성인 LibriTTS 음성에서 5.40% (Jain 외, Interspeech 2023)
- 추가 학습 없는 Whisper large: 4세에서 7세 WER 43.9%, 8세에서 10세 13.4% (Ying 외, WOCCI 2025)
- 어린이의 비유창성 비율은 10.1%였고, 성인 Switchboard 대화에서는 6.2% (Tran 외, Interspeech 2020)
- Whisper-largeV3는 1백만 시간으로 학습된 반면, 걸러낸 MyST 어린이 학습 데이터는 133시간 (Fan 외, Interspeech 2024)
- MyST 발화 227,567개 중 약 45%만 전사되어 있음 (Linguistic Data Consortium, LDC2021S05)
- 어린이 음성 10시간으로 파인튜닝하자 PF-STAR에서 Whisper Large-V2의 WER이 73.68%에서 2.88%로 감소 (Jain 외, Interspeech 2023)
- 생성형 오류 교정으로 어린이 WER이 30.5%에서 21.8%로 감소, 상대적으로 28.5% 하락 (Balaji Shankar 외, CHSER, Interspeech 2025)
- 읽기 선별 시스템과 사람 평가자의 일치도는 음소 합치기에서 카파 0.16, 어휘에서 0.72 (Petscher 외, Frontiers in Education 2026)
- 개정 COPPA 규칙은 성문을 개인정보로 규정하고 사용 직후 음성 삭제를 요구 (FTC, COPPA Final Rule 2025)
1. 추가 학습 없는 상태에서의 어린이와 성인의 격차
어린이 음성 제품에서 가장 중요한 수치는 추가 학습 없는 점수, 즉 어린이 녹음에 대한 별도 학습 없이 출시된 그대로 사용한 모델의 결과다. Whisper Large-V2의 WER은 MyST 어린이 음성에서 25.00%, PF-STAR 코퍼스의 영국 어린이에서 73.68%였고, 성인 낭독 음성에서는 5.40%였다. 같은 평가에서 성인 비율의 약 4.6배와 13.6배에 해당한다(25.00 / 5.40과 73.68 / 5.40)(Jain 외, Adaptation of Whisper models to child speech recognition, Interspeech 2023). 이 비교에서 확인할 수 있는 최신 데이터: 2023년.
더 새로운 모델은 격차를 좁히지만 없애지는 못한다. 2024년 벤치마크에서 NVIDIA의 Canary와 Parakeet 모델은 훨씬 작은 학습 세트에도 불구하고 어린이 음성에서 모든 크기의 Whisper를 앞섰고, 저자들은 데이터의 질이 양보다 더 중요할 때가 있다고 결론지었다(Fan, Balaji Shankar, Alwan, Interspeech 2024). 이 비율은 20년째 끈질기게 이어지고 있다. 2003년 IEEE 연구는 이미 어린이의 오류율이 성인의 2배에서 5배라고 보고했다.
| 지표 | 값 | 출처 |
|---|---|---|
| 어린이 학습 없는 Whisper Large-V2의 WER: MyST 어린이 대 LibriTTS 성인 낭독 음성 | 25.00% 대 5.40% | Jain 외, Interspeech 2023 |
| 어린이 학습 없는 Whisper Large-V2의 WER: PF-STAR 영국 어린이; CMU Kids 낭독 음성 | 73.68%; 12.69% | Jain 외, Interspeech 2023 |
| 추가 학습 없는 Whisper-largeV3의 WER: MyST 테스트 대 OGI Kids 테스트 | 12.6% 대 19.9% | Fan 외, Interspeech 2024 |
| 추가 학습 없는 Canary(1B) 대 Parakeet-RNNT(1.1B)의 WER: MyST 테스트; OGI 테스트 | 9.5% 대 11.1%; 18.2% 대 16.7% | Fan 외, Interspeech 2024 |
| 추가 학습 없는 Whisper Medium.en의 WER: CSLU Kids 자발 발화 대 LibriSpeech 성인 test-clean | 31.85% 대 3.02% | Attia 외, Kid-Whisper, AAAI/ACM AIES 2024 |
| 성인으로 학습한 인식기의 오류율: 어린이 대 성인 | 2배에서 5배 나쁨 | Potamianos와 Narayanan, IEEE Transactions on Speech and Audio Processing 2003 |
참고: MyST에서 Whisper의 두 수치(25.00%와 12.6%)는 모델 품질의 모순을 뜻하지 않는다. 2024년 벤치마크는 채점 전에 WER이 50%를 넘거나 3단어 미만인 발화를 제외했고, 그것만으로도 결과가 몇 포인트 움직인다(5절 참조).
2. 연령대별 오류율
‘어린이’는 하나의 집단이 아니다. CSLU Kids 대본 낭독 테스트에서 추가 학습 없는 Whisper의 WER은 유치원의 84.6%에서 1학년의 37.5%, 4학년의 17.5%로 내려갔다. 하나의 테스트 세트 안에서 4.8배 차이다(84.6 / 17.5)(Singh, Sahidullah, Kinnunen, Causal Analysis of ASR Errors for Children, 2025). 개선의 대부분은 4학년까지 이루어지고, 그 이후에는 곡선이 더 내려가지 않으며 6학년에서 10학년의 Whisper WER은 4학년의 최저치보다 높은 수준에 머문다.
2025년 ESPnet 벤치마크도 다른 모델에서 같은 절벽을 확인했다. 추가 학습 없는 Whisper large는 4세에서 7세에서 43.9%였다가, 8세에서 10세의 13.4%에서 11세에서 15세의 18.6%로 다시 올랐고, 어린이 음성으로 파인튜닝한 오픈 모델은 모든 연령대에서 10% 아래를 유지했다(Ying 외, Benchmarking Training Paradigms for Child ASR in ESPnet, WOCCI 2025). 같은 나이의 불이익은 화자 검증(두 녹음이 같은 사람의 것인지 확인하는 것)에서도 나타나며, 어린이 계정의 음성 로그인에는 중요한 문제다.
| 지표 | 값 | 출처 |
|---|---|---|
| CSLU Kids 대본 낭독 테스트에서 추가 학습 없는 Whisper의 WER: 유치원 대 4학년 | 84.6% 대 17.5% | Singh 외, 2025 |
| 같은 테스트: 1학년; 2학년; 3학년 | 37.5%; 28.0%; 23.1% | Singh 외, 2025 |
| 같은 테스트: 10학년 | 22.4% | Singh 외, 2025 |
| 연령별 추가 학습 없는 Whisper large의 WER: 4세에서 7세; 8세에서 10세; 11세에서 15세 | 43.9%; 13.4%; 18.6% | Ying 외, WOCCI 2025 |
| 어린이 음성으로 파인튜닝한 OWSM v3.1의 연령별 WER: 4세에서 7세; 8세에서 10세; 11세에서 15세 | 9.0%; 7.3%; 1.8% | Ying 외, WOCCI 2025 |
| 화자 검증 동일 오류율(균형점에서 잘못된 수락 또는 거부 판정의 비율), 4세에서 7세 대 11세에서 15세 | 13.2% 대 3.73% | Ying 외, WOCCI 2025 |
| 평균 연령 4.9세 어린이의 발화가 완전히 정확하게 전사된 비율: Whisper large-v3 대 Google 클라우드 음성 인식(2024) | 36.8% 대 9.6% | Janssens 외, 헨트 대학교, Technological Advances in Human-Robot Interaction 2024 |
이상치 참고: Singh 외의 테스트에서 MMS 모델은 6학년에서 193.3%의 WER을 기록했는데, 실제 발화된 것보다 훨씬 많은 단어를 끼워 넣었기 때문이다. 100%를 넘는 WER은 삽입이 걷잡을 수 없이 늘었다는 신호이지 오타가 아니다.
3. 어린이 음성이 성인으로 학습한 모델을 무너뜨리는 이유: 음향과 비유창성
두 가지 메커니즘이 지배적이다. 첫째, 목소리 자체가 움직이는 표적이다. 5세에서 17세 어린이 436명과 성인 56명을 대상으로 한 연구에서, 음성 분절의 길이는 12세 무렵에야 성인 수준으로 수렴하고, 음높이와 포먼트(모음을 식별하는 공명) 변동성이 안정되는 데는 약 2년에서 3년이 더 걸리는 것으로 나타났다(Lee, Potamianos, Narayanan, JASA 1999). 성인의 공명에 맞춰 조정된 모델은 사실상 다른 악기를 듣고 있는 셈이다. 확인할 수 있는 최신 데이터: Lee, Potamianos, Narayanan, 1999년.
둘째, 어린이는 말하는 방식이 다르다. 어린이의 자발적인 설명은 성인 대화보다 비유창성과 필러 비율이 더 높았고, ‘um’이 훨씬 많았으며 중간에 끊긴 단어도 더 많았다(Tran 외, Analysis of Disfluency in Children’s Speech, Interspeech 2020). 2025년의 인과 모델링은 나이와 발화 속 단어 수를 배경 소음이나 발음 능력보다 앞선 오류 요인의 최상위에 올렸다. 임상적인 이유로 성인의 표준에서 벗어난 음성도 같은 함정에 직면하며, 이는 저희의 마비말장애 및 비전형 음성 데이터 정리에서 확인할 수 있다.
| 지표 | 값 | 출처 |
|---|---|---|
| 발달 음향학 연구의 화자 | 5세에서 17세 어린이 436명; 성인 56명 | Lee, Potamianos, Narayanan, JASA 1999 |
| 음성 분절 길이가 성인 수준에 이르는 나이 | 12세 무렵 | Lee, Potamianos, Narayanan, JASA 1999 |
| 화자 내 음높이와 포먼트 변동성이 성인 범위에 이르기까지 추가로 걸리는 시간 | 약 2년에서 3년 | Lee, Potamianos, Narayanan, JASA 1999 |
| 남아와 여아의 음높이와 포먼트 패턴이 갈라지기 시작하는 나이; 완전히 자리 잡는 나이 | 약 11세; 약 15세 | Lee, Potamianos, Narayanan, JASA 1999 |
| 비유창성 비율: 어린이 대 성인 Switchboard 대 성인 CallHome 대화 | 10.1% 대 6.2% 대 6.3% | Tran 외, Interspeech 2020 |
| 필러 ‘um’의 비율: 어린이 대 성인 Switchboard | 2.3% 대 0.5% | Tran 외, Interspeech 2020 |
| 미완성 단어(중간에 끊긴 단어)의 비율: 어린이 대 성인 Switchboard | 1.8% 대 0.5% | Tran 외, Interspeech 2020 |
참고: 비유창성 코퍼스는 규모가 작고(어린이 26명, 어린이 음성 약 1.26시간), 논문은 어린이의 나이를 한 곳에서는 4.8세에서 7세로, 다른 곳에서는 5세에서 8세로 적고 있다. 확인할 수 있는 최신 데이터: 2020년.
4. 데이터 부족: 어린이 음성 시간 대 파운데이션 모델 학습 세트
규모의 불일치는 몇 자릿수에 이른다. Whisper-largeV3는 1백만 시간의 오디오로 학습된 반면, 2024년 벤치마크에서 파인튜닝에 쓸 수 있었던 걸러낸 MyST 어린이 음성은 133시간이었다. 따라서 어린이 세트는 그 사전 학습 풀의 약 0.0133%에 해당한다(133 / 1,000,000)(Fan 외, Interspeech 2024). 더 가벼운 Parakeet 모델조차 64,000시간을 학습했으며, 이는 MyST 학습 분할의 약 480배다(64,000 / 133).
MyST 자체도 어린이 음성 기준으로만 큰 편이다. Linguistic Data Consortium 카탈로그에는 3학년에서 5학년 학생 1,371명으로부터 2008년에서 2017년 사이에 수집한 약 470시간이 실려 있으며, 227,567개 발화 중 102,433개가 전사되어 있다(LDC2021S05, MyST Children’s Conversational Speech). 제작자들은 이 코퍼스를 약 400시간 규모라고 설명하며 어린이 음성을 대규모로 확보하기가 얼마나 어려운지 지적한다(Pradhan, Cole, Ward, LREC-COLING 2024). 더 어린 아이들과 다른 언어는 훨씬 적다. 3세에서 5세를 위한 2025년 중국어(만다린) 코퍼스는 41.25시간이다(Zhou 외, ChildMandarin 2025).
| 지표 | 값 | 출처 |
|---|---|---|
| 사전 학습 데이터: Whisper-largeV3; Canary; Parakeet-TDT | 1,000,000; 85,000; 64,000시간 | Fan 외, Interspeech 2024 |
| 카탈로그상의 MyST 코퍼스 | 약 470시간; 3학년에서 5학년 학생 1,371명; 개별 지도 세션 10,496회 | Linguistic Data Consortium, LDC2021S05 (2021) |
| 전사가 있는 MyST 발화 | 227,567개 중 102,433개 (약 45%) | Linguistic Data Consortium, LDC2021S05 (2021) |
| ChildMandarin 코퍼스, 3세에서 5세 어린이 | 41.25시간; 화자 397명 | Zhou 외, ChildMandarin 2025 |
| 2025년 코퍼스 조사에 기재된 PF-STAR 영국 영어 어린이 코퍼스 | 14.5시간; 4세에서 14세 화자 158명 | Zhou 외, ChildMandarin 2025 |
| CMU Kids; OGI Kids 대본 낭독 음성 | 9시간, 화자 76명; 70시간, 화자 1,118명 | Ying 외, WOCCI 2025 |
| 2018년 전이 학습 연구의 어린이 대 성인 학습 데이터 | 91.61시간(6세에서 14세) 대 205.82시간(TED-LIUM 성인) | Shivakumar와 Georgiou, arXiv 2018 |
참고: MyST의 시간 수는 출처에 따라 다르다(LDC 카탈로그에서는 약 470, 코퍼스 논문에서는 393 또는 약 400, 2024년 벤치마크에서는 전사된 약 240시간). 각 수치는 자신의 출처와 함께 제시한다.
5. 파인튜닝과 적응의 효과
파인튜닝은 어린이 녹음으로 모델의 학습을 이어가는 것을 뜻한다. 가장 확실한 해결책이며, 추가 학습 없는 모델이 가장 나빴던 곳에서 효과가 가장 크다. Whisper Large-V2는 PF-STAR 음성 단 10시간으로 파인튜닝한 후 PF-STAR 영국 어린이에서 WER이 73.68%에서 2.88%로 떨어졌다(Jain 외, Interspeech 2023). MyST 대화 음성에서 Whisper-small은 13.4%에서 9.3%로 내려가 상대적으로 30.6% 감소했고((13.4 - 9.3) / 13.4), 1.29백만 개의 파라미터만 갱신하는 작은 어댑터 모듈이 242백만 개 전체를 파인튜닝한 것과 맞먹는 성능을 냈다.
더 새로운 기법은 마지막 몇 포인트를 쫓고 있다. 관련 모델의 어텐션 가중치만 병합한 방법은 Whisper-small로 MyST WER 8.69%라는 기록을 세웠고(Balaji Shankar 외, Selective Attention Merging, ICASSP 2025), ASR 출력과 사람 전사본의 20만 쌍으로 학습한 텍스트 교정 모델은 네 개의 어린이 코퍼스에서 오류를 줄였다. 테스트 세트를 어떻게 정리하느냐도 방법만큼 중요하다. WER이 50%를 넘거나 3단어 미만인 파일을 제외했더니 모델은 그대로인 채 MyST에서 Whisper-Large-v1의 테스트 WER이 26.2%에서 14.2%로 움직였다(Attia 외, Kid-Whisper, AIES 2024).
| 지표 | 값 | 출처 |
|---|---|---|
| PF-STAR에서 Whisper Large-V2의 WER: 어린이 음성 10시간 파인튜닝 전 대 후 | 73.68% 대 2.88% | Jain 외, Interspeech 2023 |
| Whisper-small의 WER, 추가 학습 없음 대 파인튜닝: MyST 테스트; OGI Kids 테스트 | 13.4% 대 9.3%; 25.4% 대 1.8% | Fan 외, Interspeech 2024 |
| 학습한 파라미터, 어댑터 튜닝 대 전체 파인튜닝 (둘 다 MyST에서 WER 9.3%) | 1.29백만 대 242백만 | Fan 외, Interspeech 2024 |
| CSLU Kids 자발 발화에서 Whisper Medium.en의 WER: 추가 학습 없음 대 MyST와 CSLU로 파인튜닝 | 31.85% 대 16.53% | Attia 외, Kid-Whisper, AIES 2024 |
| Selective Attention 병합과 데이터 증강을 적용한 Whisper-small, MyST WER | 8.69% (최대 14% 상대 감소) | Balaji Shankar 외, ICASSP 2025 |
| 생성형 오류 교정, 네 개 어린이 코퍼스의 WER: 전 대 후 | 30.5% 대 21.8% (상대 28.5%) | Balaji Shankar 외, CHSER, Interspeech 2025 |
| 어린이와 성인 혼합 파인튜닝 대 사전 학습된 모델 | WER이 최대 5% 절대(상대 21%) 낮음 | Graave 외, Interspeech 2024 |
| 3세에서 5세 어린이의 중국어(만다린) 음성에서 Whisper-small의 문자 오류율: 추가 학습 없음 대 파인튜닝 | 37.99% 대 17.45% | Zhou 외, ChildMandarin 2025 |
이상치 참고: 효과는 억양, 연령, 말하기 방식을 가로질러 깔끔하게 옮겨가지 않는다. 같은 2023년 연구에서 Whisper Medium은 미국 MyST 음성으로 파인튜닝한 뒤 PF-STAR 어린이에서 19.76%를 기록했지만, PF-STAR 자체로 파인튜닝한 뒤에는 3.15%였다.
6. 교실 읽기 평가: 오류율이 판단과 만나는 곳
교육 현장에서 WER은 최종 지표가 아니다. 읽기 튜터는 아이가 각 단어를 제대로 읽었는지 판단해야 하므로, 전사본이 괜찮은 WER을 기록하고도 교사가 봐야 할 오류를 놓칠 수 있다. 7세에서 11세 어린이 71명이 참여한 네덜란드어 소리 내어 읽기 테스트에서, 파인튜닝하지 않은 Whisper large-v2는 읽기 오류 검출에서 매튜스 상관계수(MCC, 0이 우연, 1이 완벽한 일치를 뜻하는 일치도 점수) .01에 그쳤고, 맞춤형 Kaldi 시스템은 .63이었다(Molenaar 외, Automatic Assessment of Oral Reading Accuracy for Reading Diagnostics, Interspeech 2023). 확인할 수 있는 최신 데이터: 2023년.
상용 음성 검증 시스템을 다룬 2026년 미국 연구에서도 과제별로 같은 패턴이 나타났다(Petscher 외, Frontiers in Education 2026). 코헨의 카파(우연을 넘는 일치도, 0에서 1)로 측정한 사람 평가자와의 일치도는 표현 어휘에서 가장 높았고, 세 과제 중 음운적으로 가장 복잡한 음소 합치기에서 가장 낮았다. 단어 읽기에서는 학생 집단에 따라 적합도도 달랐는데, 이는 자동 선별을 사용해 어떤 아이들에게 파닉스 지원이 필요한지 판단하는 모든 학군에 중요한 결과다.
| 지표 | 값 | 출처 |
|---|---|---|
| 네덜란드어 소리 내어 읽기 연구의 어린이 수; 연령 범위 | 71명; 7세에서 11세 | Molenaar 외, Interspeech 2023 |
| 사람의 읽기 오류 판정과의 일치도(MCC): Kaldi-PM 시스템 대 Whisper large-v2 | .63 대 .01 | Molenaar 외, Interspeech 2023 |
| 수작업 전사본 대비 어린이 읽기의 WER: Kaldi-PM 시스템 대 Whisper large-v2 | 5.2% 대 13.4% | Molenaar 외, Interspeech 2023 |
| 미국 음성 검증 연구의 유치원생 | 3개 주 20개 학교에서 429명 | Petscher 외, Frontiers in Education 2026 |
| 50 임계값에서 시스템과 사람 평가자 사이의 카파: 음소 합치기; 표현 어휘; 단어 읽기 | 0.16; 0.72; 0.51 | Petscher 외, Frontiers in Education 2026 |
| 50 임계값에서 사람 평가자와 같게 분류된 응답의 비율, 같은 세 과제 | 0.52; 0.87; 0.80 | Petscher 외, Frontiers in Education 2026 |
| 80 임계값에서 단어 읽기 카파: 흑인 학생 대 백인 학생 | 0.25 대 0.47 | Petscher 외, Frontiers in Education 2026 |
참고: Kaldi-PM은 실제 배포에 쓸 수 있는 지름길이 아니다. 어휘 목록이 읽기 문구와 테스트 데이터의 수작업 전사본에서 가져온 단어를 합친 것이기 때문이다. 엄격하게 제약된 시스템이 할 수 있는 일의 척도로 보고, 5.2%도 그 설정에 비추어 읽어야 한다.
7. 어린이 음성 수집을 제한하는 개인정보 규칙
4절의 데이터 격차는 부분적으로 정책의 결과다. 2025년 4월 22일에 공표된 개정 COPPA 규칙은 생체 식별자를 어린이 개인정보의 정의에 추가하고 성문을 명시적으로 거론한다(FTC, COPPA Final Rule Amendments 2025). 음성에 대한 부모 동의 예외는 어린이의 목소리가 담기고 다른 개인정보는 없는 파일로서, 어린이의 요청에 응답하는 데만 쓰이고 그 직후 삭제되는 경우를 대상으로 하므로, 이 예외 아래에서는 파일을 학습 데이터로 보관할 여지가 없다.
집행도 조문을 뒷받침한다. 2023년 FTC와 법무부는 Amazon이 어린이의 Alexa 녹음을 무기한 보관했다며 기소했고, 제안된 명령에는 25백만 달러의 민사 제재금과 해당 음성 데이터를 데이터 제품 구축이나 개선에 쓰지 못하도록 하는 금지가 포함되었다(FTC 보도자료, 2023년 5월 31일). 연구자들은 인식을 기기 안으로 옮기는 방식으로 대응하고 있다. 파인튜닝한 Whisper tiny.en 모델이 Raspberry Pi에서 MyST WER 15.9%로 동작했으며, 그 동기로 개인정보 규칙을 들었다(Dutta, Chandupatla, Hansen, WOCCI 2025).
| 지표 | 값 | 출처 |
|---|---|---|
| COPPA가 적용되는 연령 | 13세 미만 어린이 | FTC 보도자료, 2023 |
| 개정 COPPA 규칙: 위원회 표결; 검토한 공개 의견 | 5-0; 약 300건 | FTC 보도자료, 2025년 1월 16일 |
| 개정 규칙: Federal Register 공표; 전면 준수 기간 | 2025년 4월 22일; 공표일로부터 1년 | FTC, COPPA Final Rule Amendments 2025 |
| 개인정보로 명시된 생체 식별자 | 성문, 지문, 얼굴 템플릿, 걸음걸이 패턴과 함께 | FTC, COPPA Final Rule 2025 |
| Amazon Alexa 사건: 민사 제재금; 자신의 프로필로 Alexa를 사용하는 어린이 | 25백만 달러; 800,000명 이상 | FTC, Amazon Alexa 보도자료 및 비즈니스 블로그, 2023년 5월 31일 |
| Raspberry Pi의 온디바이스 Whisper tiny.en: MyST WER; 데이터 필터링 적용 시; 실시간 계수(처리 시간을 오디오 길이로 나눈 값) | 15.9%; 11.8%; 0.23에서 0.41 | Dutta 외, WOCCI 2025 |
참고: FTC의 2017년 음성 녹음 집행 정책도 같은 단기 보관 논리를 세웠으며, 서면 단어를 대체하는 용도로만 수집하고 신속히 삭제하는 음성을 허용했다(FTC 정책 성명, 2017). Amazon 사건에 대해 확인할 수 있는 최신 데이터: 2023년.
숫자로 보는 어린이 음성 인식 단어 오류율
| 지표 | 값 | 출처 |
|---|---|---|
| CSLU Kids 대본 낭독 테스트에서 추가 학습 없는 Whisper의 WER: 유치원 대 4학년 | 84.6% 대 17.5% | Singh 외, 2025 |
| 어린이 학습 없는 Whisper Large-V2의 WER: MyST 어린이 대 성인 낭독 음성 | 25.00% 대 5.40% | Jain 외, Interspeech 2023 |
| 추가 학습 없는 Whisper large의 WER: 4세에서 7세 대 8세에서 10세 | 43.9% 대 13.4% | Ying 외, WOCCI 2025 |
| 화자 검증 오류율: 4세에서 7세 대 11세에서 15세 | 13.2% 대 3.73% | Ying 외, WOCCI 2025 |
| 평균 연령 4.9세 어린이: 완전히 정확한 전사, Whisper large-v3 대 Google | 36.8% 대 9.6% | Janssens 외, Technological Advances in Human-Robot Interaction 2024 |
| 성인으로 학습한 인식기: 어린이 대 성인 | 2배에서 5배 나쁨 | Potamianos와 Narayanan, IEEE TSAP 2003 |
| 어린이의 음성 분절 길이가 성인 수준에 이르는 나이 | 12세 무렵 | Lee, Potamianos, Narayanan, JASA 1999 |
| 비유창성 비율: 어린이 대 성인 Switchboard | 10.1% 대 6.2% | Tran 외, Interspeech 2020 |
| 사전 학습 데이터, Whisper-largeV3 대 걸러낸 MyST 어린이 학습 세트 | 1,000,000 대 133시간 | Fan 외, Interspeech 2024 |
| MyST 코퍼스 규모 | 약 470시간; 학생 1,371명 | Linguistic Data Consortium, LDC2021S05 |
| 중국어(만다린) 어린이 코퍼스, 3세에서 5세 | 41.25시간; 화자 397명 | Zhou 외, ChildMandarin 2025 |
| PF-STAR에서 Whisper Large-V2: 10시간 파인튜닝 전 대 후 | 73.68% 대 2.88% | Jain 외, Interspeech 2023 |
| MyST에서 보고된 Whisper-small의 최고 WER(어텐션 병합과 데이터 증강) | 8.69% | Balaji Shankar 외, ICASSP 2025 |
| 네 개 어린이 코퍼스에 걸친 생성형 오류 교정 | WER 30.5%에서 21.8% | Balaji Shankar 외, CHSER, Interspeech 2025 |
| 읽기 오류 검출 일치도(MCC): Kaldi-PM 시스템 대 Whisper large-v2 | .63 대 .01 | Molenaar 외, Interspeech 2023 |
| 유치원생 선별 카파: 음소 합치기 대 표현 어휘 | 0.16 대 0.72 | Petscher 외, Frontiers in Education 2026 |
| Amazon Alexa 어린이 음성 데이터 사건, 민사 제재금 | 25백만 달러 | FTC, 2023 |
방법론과 출처
저희는 웹 검색을 21회 실시했고, 위의 모든 수치 뒤에 있는 원 논문, 카탈로그 항목, 학술지 논문 또는 규제 문서를 읽었다. WER 값은 각 논문이 인쇄한 그대로 보고한다. 테스트 세트, 텍스트 정규화, 필터링은 연구마다 다르므로, 수치는 연구 간이 아니라 한 행 안에서 또는 하나의 연구 안에서 비교하기 바란다. 3년보다 오래된 수치는 각 절에서 확인할 수 있는 최신 데이터로 표시했다.
- Singh, Sahidullah, Kinnunen, Causal Analysis of ASR Errors for Children, arXiv 2025 (Computer Speech and Language에 제출)
- Jain, Barcovschi, Yiwere, Corcoran, Cucu, Adaptation of Whisper models to child speech recognition, Interspeech 2023
- Fan, Balaji Shankar, Alwan, Benchmarking Children’s ASR with Supervised and Self-supervised Speech Foundation Models, Interspeech 2024
- Ying 외, Benchmarking Training Paradigms, Dataset Composition, and Model Scaling for Child ASR in ESPnet, WOCCI 2025
- Attia 외, Kid-Whisper: Towards Bridging the Performance Gap in Automatic Speech Recognition for Children vs Adults, AAAI/ACM AIES 2024
- Janssens 외, Child Speech Recognition in Human-Robot Interaction: Problem Solved?, 2024
- Potamianos와 Narayanan, Robust Recognition of Children’s Speech, IEEE Transactions on Speech and Audio Processing 2003
- Lee, Potamianos, Narayanan, Acoustics of children’s speech: developmental changes of temporal and spectral parameters, JASA 1999
- Tran 외, Analysis of Disfluency in Children’s Speech, Interspeech 2020
- Linguistic Data Consortium, MyST Children’s Conversational Speech, LDC2021S05
- Pradhan, Cole, Ward, My Science Tutor (MyST): A Large Corpus of Children’s Conversational Speech, LREC-COLING 2024
- Zhou 외, ChildMandarin: A Comprehensive Mandarin Speech Dataset for Young Children Aged 3-5, arXiv 2025
- Shivakumar와 Georgiou, Transfer Learning from Adult to Children for Speech Recognition, arXiv 2018
- Balaji Shankar 외, Selective Attention Merging for low resource tasks: A case study of Child ASR, ICASSP 2025
- Balaji Shankar 외, CHSER: A Dataset and Case Study on Generative Speech Error Correction for Child ASR, Interspeech 2025
- Graave 외, Mixed Children/Adult/Childrenized Fine-Tuning for Children’s ASR, Interspeech 2024
- Molenaar 외, Automatic Assessment of Oral Reading Accuracy for Reading Diagnostics, Interspeech 2023
- Petscher 외, Evaluation of the Consistency of a Speech Verification System with Human Raters in Early Literacy Screening Assessments, Frontiers in Education 2026
- Dutta, Chandupatla, Hansen, Adapting Whisper for Lightweight and Efficient ASR of Children for On-device Edge Applications, WOCCI 2025
- FTC, FTC Finalizes Changes to Children’s Privacy Rule, 2025년 1월 16일 및 16 CFR Part 312: COPPA Final Rule Amendments
- FTC와 법무부, Amazon Alexa 보도자료, 2023년 5월 31일 및 Alexa 사건에 관한 FTC 비즈니스 블로그
- 데이터 참고 사항: (1) MyST에서 추가 학습 없는 Whisper의 결과는 테스트 세트를 걸러냈는지에 따라 약 12.5%에서 25%까지 폭이 있어서, 2023년과 2024년 벤치마크는 직접 비교할 수 없다. (2) MyST의 규모는 약 470시간(LDC), 393 또는 약 400시간(코퍼스 논문), 전사된 약 240시간(2024년 벤치마크)으로 보고된다. (3) Singh 외의 학년별 결과는 심사 전 공개 논문이며, 논문은 MyST를 한 곳에서는 3학년에서 5학년으로, 다른 곳에서는 5학년에서 8학년으로 설명한다. (4) ESPnet 벤치마크는 최고 평균 WER을 한 절에서는 Whisper-small로, 다른 절에서는 Whisper medium으로 돌린다. (5) CHSER 초록의 이미 파인튜닝된 시스템에 대한 13.3% 감소는 Whisper Tiny에만 적용되며, 본문은 9%에서 13.3%의 범위를 제시한다. (6) Molenaar 외의 논문은 Kaldi-PM의 MCC를 결과 본문에서는 .62로, 다른 곳에서는 .63으로 인쇄하고 있고(저희는 .63을 사용), 표에는 어휘가 테스트 전사본에서만 나온 Kaldi-MO가 .65로 나와 있다. (7) Frontiers 연구는 하나의 상용 시스템을 평가했으므로, 그 일치도 수치를 모든 읽기 도구로 일반화해서는 안 된다. (8) 몇몇 기초 수치(1999년, 2003년, 2020년, 2023년)는 확인할 수 있는 최신 데이터로 표시했으며, ICASSP 2027 논문이 벤치마크 수치를 갱신할 것으로 예상된다.
마지막 업데이트: 2026년 10월 31일. 저희는 이 정리를 분기마다 업데이트하며, 다음 갱신은 ICASSP 2027 논문집이 공개될 때 이루어질 것으로 예상한다.