이 연구는 스트리밍 음성인식 모델을 새 언어로 적응시킬 때 다국어(ML) 인코더와 영어 전용(EN) 인코더 중 무엇으로 워밍업해야 하는지를 통제 실험으로 규명한다. 6억 파라미터 캐시 인지 FastConformer 트랜스듀서를 8개 유럽 언어, 100~2500시간의 데이터 규모, 3개 스트리밍 단계와 오프라인 디코딩에 걸쳐 분석했다. 핵심 결과는 다국어 초기화가 지연(latency) 제약이 아니라 데이터 제약 상황에서 오는 이점이라는 것이다. FLEURS 160ms에서 EN-ML 단어오류율(WER) 격차 평균이 100시간 +4.21%p에서 2500시간 +0.20%p로 줄었고, 데이터가 두 배가 될 때마다 남은 이점이 대략 절반으로 감소하는 거듭제곱 법칙을 따랐다. 4비트 가중치 양자화는 인코더 크기를 약 3배 줄이면서 WER은 평균 0.5%p만 증가시켰다. 저데이터에서는 다국어 초기화를 쓰고, 대규모 데이터에서는 선택이 무의미하며, 지연·양자화는 독립적으로 결정하라는 지침을 제시한다.

• •다국어 초기화는 지연이 아닌 데이터 제약 상황의 이점임을 규명
• •FLEURS 160ms에서 EN-ML WER 격차가 100시간 +4.21%p에서 2500시간 +0.20%p로 감소
• •데이터 2배마다 남은 이점이 절반으로 줄어드는 거듭제곱 법칙
• •4비트 양자화로 인코더 크기 약 3배 축소, WER은 평균 0.5%p 증가에 그침
• •저데이터엔 다국어 초기화, 대규모엔 선택 무관, 지연·양자화는 독립 결정 권고