음성 입력의 원리

음성 입력이란: 목소리가 화면 속 글자가 되기까지

음성 입력, 받아쓰기 녹취(전사), 음성 명령은 서로 다른 기능이에요. 음성 입력이 실제로 하는 일, 마이크에서 커서까지 거치는 단계, 각 단계가 어디에서 실행되는지 알아봐요.

MacWindowsiPhoneAndroid

요약

음성 입력은 말한 내용을 편집할 수 있는 텍스트로 바꿔 커서가 있는 입력란에 바로 넣어 줘요. 그 과정에서 소리가 녹음되고 디지털로 바뀌며, 음성 인식 모델이 가장 그럴듯한 단어를 추정하고, 선택 사항인 다듬기가 문장 부호를 넣고 "음", "어" 같은 군말을 빼요. 각 단계는 기기에서도, 원격 서비스에서도 실행될 수 있고, 정확도와 속도, 개인정보 보호에 저마다 다르게 영향을 줘요.

메모

말한 내용

월요일에 은행에 전화하라고 어 알려 줘 그리고 카드 한도도 물어보기

SayVelio가 입력한 내용

월요일에 은행에 전화하라고 알려 줘. 그리고 카드 한도도 물어보기.

"음성을 텍스트로"라고 부르는 세 가지

같은 말이 서로 다른 세 가지 작업을 가리키니 나눠서 생각하면 도움이 돼요.

  • 음성 입력(받아쓰기) 은 앱에 편집할 수 있는 텍스트를 넣어요. 이메일, 채팅, 문서 같은 것이요. 타이핑 대신 말하고, 결과는 계속 내 손안에 있어요.
  • 전사(녹취록 작성) 는 이미 끝난 말을 글로 옮겨요. 회의, 인터뷰, 강의 같은 것이요. 기다리고 있는 커서는 없어요.
  • 음성 명령 은 인식한 말로 무언가를 실행 해요. 앱 열기, 메시지 보내기, 타이머 맞추기 같은 것이요. 말은 텍스트가 아니라 명령이에요.

세 가지 모두 음성 인식을 쓰지만, 하나가 있다고 나머지도 있는 건 아니에요. SayVelio는 음성 입력 도구라서 말한 내용을 글로 써요. 음성 명령을 실행하지 않고 챗봇도 아니기 때문에, "지영 씨한테 동의한다고 써 줘"라고 말하면 그 말 그대로 입력돼요. 원하는 텍스트를 얻는 말하기 방법은 받아쓰기 잘하는 법에서 볼 수 있어요.

마이크에서 커서까지

음성 입력은 대체로 같은 흐름을 거쳐요. 단계를 합치거나, 말하는 동안 단어를 보여 주거나, 선택 단계를 건너뛰는 시스템도 있지만 순서는 같아요.

  1. 녹음. 마이크가 공기의 압력을 전기 신호로, 기기가 그 신호를 숫자로 바꿔요. 마이크가 목소리를 기록하는 방법을 보세요.
  2. 준비. 소리 크기를 고르게 하고, 에코나 소음을 줄이고, 구간으로 나눌 수 있어요. 소음 억제와 음성 감지를 보세요.
  3. 인식. 모델이 어떤 단어를 말했는지 추정해요. 음성 인식의 원리를 보세요.
  4. 다듬기(선택). 문장 부호, 숫자, 문단을 넣고 군말을 빼요. 인식 결과에서 읽기 좋은 글로를 보세요.
  5. 확인과 입력. 텍스트가 커서에 들어가고, 읽고 고칠 수 있어요. 좋은 음성 입력 화면의 조건을 보세요.
음성 입력의 흐름: 마이크, 디지털 오디오, 음성 인식, 선택 사항인 다듬기, 앱 속 텍스트
목소리에서 텍스트까지: 녹음, 인식, 선택 사항인 다듬기, 입력

결과는 추정이지, 내 의도의 기록이 아니에요

음성 인식은 통계적이에요. 시스템은 소리와, 수백만 개의 예에서 배운 것에 가장 잘 맞는 단어 순서를 골라요. 그래서 아주 자연스럽게 읽히는데도 실제로 말한 것과 다를 수 있어요. 특히 이름, 숫자, 드문 용어에서 그래요. 좋은 음성 입력 도구가 단어를 가르칠 수 있는 기능(사전)을 두고, 텍스트를 확인하고 고치기 쉽게 만드는 이유예요.

각 단계는 어디서 실행될까

각 단계는 내 기기에서, 원격 서비스에서, 또는 둘 다에서 일어날 수 있어요.

  • 원격 서비스에서는 녹음이 암호화된 연결을 통해 음성 인식 제공업체로 가고 텍스트가 돌아와요. 가장 크고 정확한 모델을 쓸 수 있어요.
  • 기기에서는 컴퓨터나 휴대폰에 내려받은 모델이 인식을 해요. 아무것도 기기 밖으로 나가지 않고 인터넷 없이도 돼요. 로컬 모델은 보통 더 작고, 오래된 하드웨어에서는 더 느려요.

SayVelio에서는 녹음이 기기에서 음성 인식 제공업체로 바로 가고, 다듬기가 켜져 있으면 인식된 텍스트가 언어 모델 제공업체로 가요. 저희 서버는 녹음도 텍스트도 절대 받지 않아요. Mac, Windows, iPhone, Android에서는 선택 사항인 오프라인 모델을 내려받아 연결 없이 음성 입력할 수도 있어요(오프라인 음성 입력에는 다듬기가 적용되지 않아요). 자세한 내용은 음성 입력과 개인정보에 있어요.

결과의 품질을 좌우하는 것

정확도, 속도, 개인정보 보호는 흐름의 서로 다른 고리에 달려 있어요.

  • 정확도 는 주로 마이크, 공간, 인식 모델, 그리고 사전 같은 힌트에 달려 있어요.
  • 형식 은 다듬기에 달려 있어요. 숫자, 목록, 문장 부호를 어떻게 쓰느냐예요.
  • 속도 는 녹음 길이, 네트워크, 다듬기 여부에 달려 있어요. 받아쓰기 모드로 완성도와 속도 사이에서 고를 수 있어요.
  • 개인정보 보호 는 누가 오디오와 텍스트를 받는지, 각자가 무엇을 보관하는지에 달려 있어요.

질문

음성 입력은 완전히 오프라인으로도 되나요?

인식 모델이 기기에서 실행된다면 돼요. 많은 앱이 네트워크 서비스에 의존하기 때문에, 인터넷 없이 녹음할 수 있다고 해서 인터넷 없이 텍스트로 바꿀 수 있는 건 아니에요. SayVelio는 네 플랫폼 모두에서 선택 사항인 오프라인 모델을 제공해요.

음성 입력은 음성 비서와 같은 건가요?

아니요. 음성 비서는 말한 내용을 요청으로 해석하고 행동해요. 음성 입력은 내가 직접 고치고 보낼 수 있도록 말을 글로 써 줘요.