음성 입력의 원리

음파에서 디지털 오디오로: 음성 입력할 때 마이크가 기록하는 것

마이크와 기기가 목소리를 숫자로 바꾸는 방법. 샘플링 레이트, 비트 깊이, 모노 오디오, 리샘플링, 그리고 사양보다 마이크 위치가 더 중요한 이유를 알아봐요.

MacWindowsiPhoneAndroid

요약

목소리는 압력의 파동이에요. 마이크가 이를 전기 신호로 바꾸고, 변환기가 그 신호를 1초에 수천 번 측정해요. 음성에는 초당 16,000번, 16비트가 표준적인 형식이에요. 숫자가 크다고 인식이 더 좋아지는 건 아니에요. 사양보다 마이크 가까이에서 또렷하게 말하는 게 훨씬 중요해요.

Slack

말한 내용

십 분 늦을 것 같아요 먼저 시작하세요

SayVelio가 입력한 내용

10분 늦을 것 같아요. 먼저 시작하세요.

소리는 움직이는 공기에서 시작돼요

말할 때 성대, 혀, 입술이 공기에 아주 작고 빠른 압력 변화를 만들어요. 마이크에는 이 변화에 따라 움직이는 얇은 막이 있고, 그 움직임을 변하는 전압으로 바꿔요. 목소리를 그대로 따라 그리는 아날로그 파형이에요.

컴퓨터는 연속된 파형을 그대로 저장할 수 없어서, 아날로그-디지털 변환기(보통 노트북, 휴대폰, 헤드셋에 들어 있어요)가 일정한 간격으로 파형을 측정해요. 한 번의 측정이 하나의 샘플 이고, 숫자로 저장돼요.

일정한 간격으로 측정한 음파: 점 하나하나가 샘플
샘플링: 목소리의 연속된 파형이 측정된 점들의 나열이 돼요

샘플링 레이트: 얼마나 자주 측정할까

샘플링 레이트 는 1초당 측정 횟수예요. 16,000Hz(16kHz)는 초당 16,000개 샘플, 48kHz는 48,000개예요.

샘플링 레이트는 녹음에 담을 수 있는 가장 높은 주파수를 정해요. 대략 그 절반이에요. 16kHz 녹음은 약 8kHz까지의 소리를 담고, 말을 알아듣기에 충분해요. 예전 전화 음질은 약 3.4kHz까지만 담아서, 전화로는 "ㅅ"과 "ㅆ", "ㅍ"과 "ㅎ" 같은 소리가 쉽게 헷갈려요.

비트 깊이: 샘플 하나를 얼마나 정밀하게 저장할까

비트 깊이 는 샘플 하나가 가질 수 있는 값의 개수예요. 16비트 오디오에는 65,536단계가 있어요. 이건 측정의 정밀도일 뿐이에요. 음성 모델이 65,536가지 소리를 구별한다는 뜻이 아니에요.

음성 입력용 녹음은 보통 모노 예요. 채널 하나, 순간마다 샘플 하나요. 스테레오는 두 번째 채널을 더하지만 인식에는 별 도움이 안 돼요.

몇 초의 말은 데이터가 얼마나 될까

계산은 간단해요. 16,000샘플 × 16비트 = 모노 오디오 1초에 256,000비트, 즉 헤더를 빼고 초당 32KB예요. 30초 음성 입력은 압축하지 않으면 약 1MB예요. 요즘 연결에는 적은 양이지만 앱이 녹음을 많이 보내면 쌓이기 때문에, 오디오를 먼저 압축하는 앱도 있어요(음성 오디오 압축 참고).

리샘플링은 숫자만 바꾸는 게 아니에요

많은 마이크가 48kHz로 녹음하고, 많은 인식 모델은 16kHz를 기대해요. 변환은 파일 이름을 바꾸는 게 아니에요. 먼저 낮은 레이트로는 담을 수 없는 주파수를 걸러 내야 하고, 그렇지 않으면 그 주파수가 왜곡(에일리어싱)이 되어 녹음 안으로 접혀 들어와요. 운영체제와 오디오 라이브러리가 대신 처리해 주지만, 오디오를 이리저리 변환하지 않는 게 좋은 이유이기도 해요.

무엇보다 마이크와 공간이 중요해요

이 모든 건 인식 전에 일어나고, 마이크가 또렷하게 잡지 못한 말은 어떤 소프트웨어도 되살릴 수 없어요. 실제로는 이렇게 하세요.

  • 거리가 가장 중요해요. 헤드셋이나 바로 앞에 있는 노트북 마이크가 방 건너편 웹캠보다 나아요. 먼 마이크일수록 울림을 더 많이 잡아요.
  • 너무 가까우면 "팝"이 생겨요. 마이크에 붙어서 말하면 "ㅍ", "ㅂ"에서 바람 소리가 나요.
  • 어떤 입력이 선택돼 있는지 확인하세요. 헤드셋을 연결하면 컴퓨터가 마이크를 바꿀 수 있어요. Mac: 시스템 설정 → 사운드 → 입력, Windows: 설정 → 시스템 → 소리.
  • 음성 입력 앱에 마이크 접근을 허용하세요. 허용하지 않으면 앱에는 무음만 들어와요.

팁

음성 입력이 갑자기 나빠지면 먼저 입력 장치를 확인하세요. 블루투스 헤드셋 마이크로 바뀌면 품질이 떨어지는 경우가 많아요. 많은 헤드셋이 마이크를 쓰는 동안 좁은 전화용 오디오 모드로 바뀌기 때문이에요.

질문

샘플링 레이트가 높으면 음성 입력이 좋아지나요?

꼭 그렇지는 않아요. 대부분의 인식 모델은 내부적으로 16kHz로 처리해서, 48kHz 녹음도 어차피 낮춰져요. 또렷한 목소리와 좋은 마이크 위치가 더 중요해요.

외장 마이크가 필요한가요?

보통은 필요 없어요. 요즘 노트북과 휴대폰의 내장 마이크면 조용한 방에서 음성 입력하기에 충분해요. 개방형 사무실이나 시끄러운 곳에서는 헤드셋이 도움이 돼요.