사람의 말소리를 듣고 글자로 받아 적는 AI 기술이에요.
음성 인식은 마이크로 들어온 말소리를 글자로 바꾸는 기술이에요. AI는 소리를 아주 짧은 토막으로 잘게 나눠 높낮이와 세기 무늬를 읽고, 앞뒤 토막을 함께 보며 어떤 글자인지 정해요. 그래서 같은 소리도 문장 흐름에 따라 다르게 받아 적을 수 있어요.
2010년대 초 딥러닝이 들어오면서 정확도가 크게 올랐어요. 2022년에는 약 68만 시간 분량의 소리로 학습한 Whisper라는 모델이 누구나 내려받을 수 있게 공개됐어요. 다만 시끄러운 곳이나 사투리, 낯선 전문 용어에서는 지금도 틀리는 일이 있어요.
비유로 보면
받아쓰기 시험을 떠올려 보세요. '같이'와 '가치'는 소리가 똑같아서 그 부분만 들어서는 모르지만, 문장 전체를 들으면 맞힐 수 있죠. 음성 인식 AI도 앞뒤 소리를 같이 들으며 가장 그럴듯한 글자를 골라요.
예를 들면
폰에 대고 말하면 문자가 저절로 입력되는 받아쓰기 기능이 바로 음성 인식이에요.
자주 하는 오해
오해음성 인식은 소리 하나하나를 글자 하나하나로 바꾸기만 한다.
실제로는소리에는 없는 것까지 채워 넣어요. 말에는 마침표나 띄어쓰기가 들리지 않지만 받아쓰기 결과에는 붙어 나오고, '삼천 원'이라고 말하면 '3,000원'처럼 숫자로 바꿔 적기도 해요.
오해요즘 음성 인식은 어디서나 틀리지 않는다.
실제로는소리가 끊긴 조용한 구간에 하지도 않은 말을 지어 넣는 일도 보고됐어요. 수업 녹음이나 인터뷰처럼 중요한 받아쓰기는 원래 녹음을 들으며 이름과 숫자부터 대조해 보세요.
수업에서 써 보기
선생님은 수업 시작에, 학생은 혼자 공부할 때 써 보세요.
- 질문
- 음성 인식이 우리 반에서 가장 자주 틀리는 말은 어떤 말일까요?
- 활동
- 모둠마다 폰 받아쓰기로 같은 문장 다섯 개를 읽어요. 조용한 교실, 음악을 튼 교실, 사투리나 과목 전문 용어를 섞은 문장으로 조건을 바꿔 가며, 틀린 글자 수를 표에 적어요. 어떤 조건에서 가장 많이 틀렸는지 비교하고, '같이/가치'처럼 소리가 같은 말이 들어간 문장을 일부러 만들어 결과도 확인해 봐요.
이 낱말과 이어진 기록
출처로 확인한 AI 역사 속 장면이에요.
서로 다른 산업 그룹이 같은 전환(HMM→DNN)을 확인해 딥러닝이 음성인식 산업 표준이 됨