칭화대 연구진이 공개한 실환경 잡음 대응에 초점을 맞춘 파운데이션 음성인식 모델입니다. 소음·원거리 음성·차폐·잔향과 에코·녹음 아티팩트·전자적 왜곡·전송 끊김이라는 7가지 기본 음향 조건과 이를 조합한 54가지 복합 시나리오로 학습 데이터를 구성했고, 240만 건 규모의 Voices-in-the-Wild 데이터셋을 함께 공개했습니다. A2S-SFT 사전학습과 DG-WGPO 강화학습을 적용해 열악한 음향 환경에서 기존 오픈·클로즈드 SOTA 모델 대비 최대 약 30%의 성능 향상을 보고했습니다. 스튜디오 녹음이 아닌 현장 녹취, 콜센터, 야외 촬영 음성을 다루는 개발자에게 참고할 만한 프로젝트입니다.