TermCorrector 📄 🏆

Tech Stack

Team

기존 Speech-to-Text(STT) 서비스는 일반적인 한국어 인식에는 높은 성능을 보이지만, 강의에서 자주 등장하는 영문 전문 용어는 발화자의 외래어 발음 차이로 인해 잘못 변환되는 문제가 있습니다.

TermCorrector는 사용자가 업로드한 강의 자료(PDF)에서 전문 용어를 자동 추출하고, Whisper STT 결과와 비교하여 잘못 인식된 용어를 탐지합니다. 이후 데이터 증강으로 학습한 FastText 모델을 이용해 가장 적절한 영문 용어를 예측하고, 교정 결과를 웹 서비스에서 바로 확인할 수 있도록 구현했습니다.

Fine-tuning 없이도 강의 자료를 활용하여 도메인 특화 STT 성능을 개선할 수 있도록 설계했으며, 실제 학습에 활용 가능한 웹 서비스를 함께 개발하여 연구의 활용 가능성을 검증했습니다.

강의 자료(PDF)와 강의 녹음(M4A)을 업로드하여 STT 교정을 시작하는 메인 화면입니다.

강의 자료에서 전문 용어를 추출하고, Whisper 기반 STT와 FastText 모델을 결합하여 잘못 인식된 영문 용어를 교정하는 전체 파이프라인입니다.

PDF에서 추출한 전문 용어와 STT 결과를 비교하여 후보를 선정하고, 데이터 증강 기반 FastText 모델을 통해 올바른 영문 용어로 교정합니다.

교정 대상 단어를 하이라이트하여 사용자에게 보여주며, 여러 후보 중 원하는 결과를 선택하거나 직접 수정할 수 있습니다.

KCC 2025 논문과 학회 포스터를 통해 프로젝트의 연구 내용과 시스템 구조를 발표했습니다.