ETRI 기술이전 홈페이지

○ 인공지능연구소 지능정보연구본부 복합지능연구실에서는 실시간 스트리밍 기반 종단형(End-to-End) 음성인식기술을 개발하였음.
○ 실시간 스트리밍 기반 종단형 음성인식기술은 심층신경망(Deep Neural Network) 기반 심층학습(Deep Learning) 기술의 고도화 및 대용량 언어음성 데이터에 기반하여 실현되는 고난이도 융복합 기술임.
○ 실시간 스트리밍 기반 종단형 음성인식기술은 음향모델과 언어모델, 발음사전 등을 별도로 학습하는 기존의 음성인식 모델을 종단형(End-to-End) 방식으로 통합 학습하도록 개선함으로써 음성인식 성능을 대폭 향상시킨데 이어, 실시간 스트리밍 음성 인식을 가능하게 함으로써 그 활용 범위를 대폭 향상시켰음.

○ 기존의 한국어 및 다국어 음성인식 기술은 여러 서비스 분야(컨택센터, 자동통역 서비스, 회의록 녹취, AI스피커, 언어 교육 등)에서 많은 실증 검증을 수행한 바 있으며, 실시간 스트리밍 기반 종단형 음성인식 기술의 성능 향상을 감안할 때, 컨택센터(유무선 전화 기반의 콜센터, 온라인 기반의 고객센터 등), 다국어 자동통역 서비스, 연설, 회의, 발표, 방송 등 각종 기록물의 실시간 녹취, 인공지능 스피커, 음성챗봇서비스, 스마트홈, 스마트 가전, 군사용 음성인식 등 다양한 음성인식 관련 분야에서 활용도가 더욱 높아질 것을 기대하여 기술이전을 실시하고자 함.
○ Google을 필두로 한 글로벌 경쟁기술이 국내 음성 인식 시장을 선점하기 이전에 기술이전을 실시하여 국내 기술경쟁력을 강화하고 향후에는 국외시장까지 진출하는 것을 목적으로 함.
○ 음성인식 관련 서비스의 급속한 활성화가 예상되는 시점에서 인공지능 전문 인력, 인프라, 자원을 보유하지 못한 개별 기업에서 실시간 스트리밍 기반 종단형 음성인식 기술을 활용해 다양한 사업화를 진행할수 있도록 기술이전을 실시하고자 함.

○ 기존의 언어모델, 음향모델, 발음사전 등을 별도로 학습하는 방식에서 벗어나 종단형으로 통합 학습함으로써 높은 정밀도의 실시간 스트리밍 음성-문자 변환(speech-to-text conversion)이 가능함(오픈소스 활용 및 추가 도구 제공).
○ 대용량의 음성 DB를 활용하여 미리 훈련된 실시간 스트리밍 기반 종단형 음성인식 모델을 이전 받음으로써 기술 이전과 동시에 높은 성능의 음성인식 시스템 구현이 가능함.
○ 음성인식 적용 도메인의 DB를 기반으로 적응학습 등을 통해 음성인식 성능을 제고할 수 있음(오픈소스 활용 및 추가 도구 제공).

단계 : 9 기술의 성숙도란?

○ 실시간 방송 자막 송출, 실시간 속기록 작성 등 특히 실시간성이 강조되는 음성인식 응용 분야에서 매우 효과적으로 활용될 수 있으며, 컨택센터(유무선 전화 기반의 콜센터, 온라인 기반의 고객센터 등), 다국어 자동통역 서비스, 연설, 회의, 발표, 방송 등 각종 기록물의 실시간 녹취, 인공지능 스피커, 음성챗봇서비스, 스마트홈, 스마트 가전, 군사용 음성인식 등 다양한 음성인식 관련 분야에서 국내외 소프트웨어 산업 신시장을 창출하고 글로벌 인공지능 세계 시장 진출이 가능하도록 함.
○ ETRI는 기술이전업체와 공동으로 기술 상용화 시 문제점을 공유하고 해결 노력을 기울임으로써 기술의 완성도를 제고

○ 실시간 스트리밍 지원 음성인식 엔진(PyTorch 기반 리눅스, 윈도우 및 MacOS 지원)
- 신경망 모델 기반 종단형 음성인식 기술 (대량의 데이터베이스로부터 최적화된 신경망 모델을 이용하여 입력 음성을 텍스트 변환하는 기술)
- 스트리밍 트랜스포머를 기반으로 한 실시간 음성인식 모델 지원
- 음성인식 기반 비원어민의 발성평가모델을 기반으로 발성평가 기술 지원
- CPU 기반(Zeon Gold5122 Dual 기준,8코어), 단일 채널로 CPU Core 당 30~40% 점유
○ 엔진 튜닝 도구
- 음성DB 연결학습 기술(새로운 발성환경에서 수집한 음성데이터를 기존 모델에 연결하여 학습하는 딥러닝 학습 기술, (리눅스 Ubuntu16.04이상, 오픈소스 이용 Script)
- 사용자 어휘 등록 기술(Contextual ASR)
○ 실시간 스트리밍 지원 종단형 음성인식 소프트웨어(PyTorch 기반)
○ 실시간 스트리밍 음성인식 모델 또는 비원어민의 발성평가 모델 중 단일 언어 선택(단일 샘플링 주파수 기준)
- 음성인식 모델 지원 언어: 한국어, 영어, 중국어, 일본어, 스페인어, 프랑스어, 독일어, 러시아어, 아랍어, 베트남어, 태국어, 인도네시아어, 말레이어
- 비원어민의 발성평가 모델 지원 언어: 한국어 또는 영어
- 주파수 선택: 16kHz 또는 8kHz
○ 관련 기술문서 및 지적재산권(별도 기재)

비독점적 통상실시권 계약체결일로부터 5 년간 ※ 착수기본료(단위:천원)

구분	중소기업	중견기업	대기업
착수기본료	170,000	340,000	340,000
매출정률사용료(%)	1.25	3.75	5

1 개월 / 2,157 천원정(부가세 별도) ㅇ 기술전수교육은 필요시만 선택
ㅇ 기술이전 조건
- 실시간 스트리밍 음성인식 모델 또는 비원어민의 발성평가 모델 중 단일 언어 선택, 단일 샘플링 주파수 기준)
. 실시간 스트리밍 음성인식 모델 지원 언어: 한국어, 영어, 중국어, 일본어, 스페인어, 프랑스어, 독일어, 러시아어, 아랍어, 베트남어, 태국어, 인도네시아어, 말레이어
. 비원어민의 발성평가 모델 지원 언어: 한국어 또는 영어
- 주파수 선택: 16kHz 또는 8kHz
ㅇ 기술이전 세부 조건(기술료 감면조건)
- 상기 착수기본료는 실시간 스트리밍 음성인식 모델 또는 비원어민의 발성 평가 모델 중 단일 언어를 선택하여 단일 샘플링 주파수(16kHz 또는 8kHz)에 대해 최초 계약할 경우의 조건임
- 최초 계약 이후 추가로 실시간 스트리밍 음성인식 모델 내의 동일 또는 다른 언어 / 비원어민의 발성평가모델 중 동일 또는 다른 언어 / 동일 또는 다른 샘플링 주파수(16kHz 또는 8kHz)를 추가하여 기술이전받는 경우 착수기본료는 50,000천원(중소기업), 100,000천원(중견기업/대기업)으로 계약함
. 위 감면을 받은 중소기업의 매출정률사용료는 1.75%로 함
- 선행기술을 이전받은 기업이 본 기술의 실시간 스트리밍 음성인식 모델 내의 동일 또는 다른 언어 / 비원어민의 발성평가모델 중 동일 또는 다른 언어 / 동일 또는 다른 샘플링 주파수(16kHz 또는 8kHz)를 추가하여 기술이전 받는 경우, 선행기술(1)의 착수기본료는 50,000천원(중소기업), 100,000천원(중견기업/대기업)으로 계약하며 선행기술 2의 착수기본료는 100,000천원(중소기업), 200,000천원(중견기업/대기업)으로 계약함
. 위 감면을 받은 중소기업의 매출정률사용료는 1.75%로 함
※ 선행기술(1) : 종단형 음성인식기술(한국어 및 12개 언어 지원) 및 화자분리기술(Ver.1.0) 또는 해당 기술의 세부기술 1
※ 선행기술(2) : 딥러닝 기반의 서버형 음성인식 기술(Ver. 2019), 외국어 말하기 학습을 위한 서버형 음성인식 기반의 발성 평가 기술, 한국어 음성인식 기술(Ver. 1.2.), 영어, 중국어, 일본어 서버형 음성인식기술, 모바일환경 고객지원용 서버기반 음성인식 기술
- 데이터학습모델을 경량화모델로 선택하는 경우 감면 조건
데이터학습모델을 기본 모델(Full Model)이 아닌 경량화 모델(Lightweight Model)을 선택하는 경우에는 착수기본료를 25,000천원(중소기업), 50,000천원(중견기업/대기업)으로 계약하며 이 경우 감면을 받은 중소기업의 매출정률사용료는 1.75%로 함

기술개발 발표당시	복합지능연구실 윤승 (042-860-5835, syun@etri.re.kr)
현재	복합지능연구실 윤승 (042-860-5835, syun@etri.re.kr)

기술이전실 주명혁 (042-860-5838, mhju@etri.re.kr)