로컬 음성 인식에서 Whisper 대안을 찾는 기준
로컬 에는 현재 의 중간급 또는 대형 터보 모델이 8GB VRAM 에서 쓰이고 있으며, 성능은 이미 꽤 좋다. 원하는 대안은 보다 WER이 눈에 띄게 낮아야 한다.
영어, 일본어, 한국어를 안정적으로 알아들어야 하고, 속도는 와 비슷하거나 더 빨라야 한다. 말한 시간 위치를 알려주는 도 정확해야 한다.
8GB VRAM 안에서 실행되어야 하므로, 큰 서버용 장비가 필요한 모델은 맞지 않는다. 구체적인 새 모델 이름이나 성능 수치는 제시되지 않았다.
핵심 포인트
- 현재 기준점은 8GB VRAM에서 돌아가는 중간급 또는 대형 터보 모델이다.
- 대안은 보다 WER이 확실히 낮아야 한다.
- 영어, 일본어, 한국어를 모두 안정적으로 지원해야 한다.
- 속도는 와 비슷하거나 더 빨라야 한다.
- 정확한 와 8GB VRAM 실행 가능성이 필수 조건이다.