원본: kresnik/wav2vec2-large-xlsr-korean (Apache-2.0) · 확인 커밋 629c9a3501c10ba128bf3fa1eebb12af3be03f61 베이스: facebook/wav2vec2-large-xlsr-53 (Apache-2.0)

우리가 가한 변경:

ONNX 익스포트 — PyTorch Wav2Vec2ForCTC → ONNX opset 17. 동적 축(samples/frames), attn_implementation="eager", apply_spec_augment=False.
int8 동적 양자화 — onnxruntime.quantization.quantize_dynamic(weight_type=QInt8). 1,267 MB → 318 MB (4.0배 축소).

가중치를 재학습하거나 파인튜닝하지 않았다. 아키텍처·vocab·전처리 규약은 원본 그대로다. int8 양자화는 가중치의 수치 정밀도만 낮춘다.

라이선스 전문: LICENSE.txt · 상세 고지: NOTICE.md

파일

meta.json이 없으면 logits는 그냥 숫자 덩어리다. 세 파일을 함께 쓴다.

쓰는 법

CTC 강제정렬 = wav2vec2 CTC logits + 그 위의 Viterbi DP. 후자는 순수 numpy다. 구현: movie-cut python/src/moviecut/aligner.py (OnnxCtcAligner).

입력은 16kHz mono float32, zero-mean/unit-var 정규화(do_normalize=true).

🚨 wav2vec2의 마지막 프레임은 오디오와 무관하게 '다'를 확률 1.0으로 뱉는다. 정렬 DP가 마지막 토큰을 거기 붙여 버려 마지막 단어가 조용히 깨진다. 처방: 뒤에 무음 100ms를 덧대고 끝 2프레임을 버린다.

지표	faster-whisper 내장	이 모델 (int8)
단어 시작 잔차 p90	157.4 ms	24.4 ms
단어 끝 잔차 p90	217.7 ms	48.7 ms