30개 이상의 LLM을 일본어 문자-음소(G2P) 변환에 벤치마킹해 형태소 분석 후 규칙 기반 가나 변환(parse mode)과 직접 예측(direct mode)을 비교했으며, 최고 LLM은 가나 문자 오류율 0.52% 미만으로 기존 도구(1.03%)를 능가하고 대부분 모델에서 parse mode가 더 우수했다. 모델 크기·버전·일본어 특화 학습이 핵심 요인이며, LLM이 예측한 가나를 kana-input TTS에 넣으면 end-to-end TTS보다 발음이 더 정확했다.
대규모 언어 모델(LLM)의 대규모 사전학습 말뭉치에는 민감한 개인정보가 포함될 수 있습니다. 따라서 개인정보 보호 규정을 준수하고 의도치 않은 정보 유출을 방지하기 위해 이러한 정보를 탐지하고 필터링하는 것이 필수적입니다. 그러나 영어 및 기타 언어와 달리 일본어에서는 민감한 개인정보에 대한 연구가 제한적이었습니다. 본 연구에서는 일본 개인정보 보호법(APPI)에 따라 특별히 주의가 필요한 개인정보(SCPI)로 정의된 민감한 개인 데이터에 초점을 맞춥니다. 우리는 LLM 기반 주석을 사용하여 SCPI 데이터셋을 구축하고, 텍스트 내 SCPI를 신속하게 탐지하기 위해 머신러닝 모델을 학습시킵니다. 그 결과, 우리의 SCPI 분류기는 SCPI와 관련된 정보를 효과적으로 식별할 수 있습니다. 이 연구는 일본어 텍스트 말뭉치에서의 SCPI 탐지를 최초로 탐구하며, 정확한 탐지의 어려움을 강조합니다.