주요 특징

• 고정 오디오 인코더 → 학습 대상 MLP 프로젝터 → LoRA LLM 디코더로 이어지는 단순한 구조이며, 프로젝터(프레임 스태킹 + 2층 MLP)가 유일하게 처음부터 학습되는 부분
• 기본 레시피로 학습한 공개 모델이 학습 파라미터 약 8천만 개로 LibriSpeech test-clean WER 1.84%, 12개 데이터셋 평균 8.71% 기록 (README 기준)
• 'ta train asr -e tiny' 무료 실험은 애플 실리콘 16GB 맥에서 약 30분 소요, CUDA GPU(무료 Colab T4 포함)에서도 실행되며 전체 학습은 80GB GPU 한 장 필요
• 오디오 입력부터 학습·평가(WER)·배포까지 다루는 8개 챕터 강의와 ta eval 로 AssemblyAI·Deepgram·ElevenLabs 등 상용 API와 같은 샘플로 비교
• 단어 단위 타임스탬프, 화자 분리, 배치 HTTP 서버(ta serve), Hugging Face 라이브 데모와 transformers pipeline 연동 제공