새로운 정보를 전해 드리는 소이뉴스입니다.

안녕하세요, 구독자님.

이번 한 주도 행복하고 보람차게 보내시고 계신가요?

어제 저희는 소이넷 솔루션데이 행사를 진행했습니다. 구독자 분들 가운데서도 많은 분들이 관심을 가지고 참석해 주셨는데 이글을 빌어 감사 드리며 저희는 앞으로도 더 열심히 좋은 제품을 만들고 여러분들께 다가서도록 노력하겠습니다. 

점심을 먹고 사무실 근처에 있는 야트막한 산으로 산책을 다녀왔습니다. 한 여름 뜨거운 햇살에도 아랑곳하지 않던 젊은 잎들이 화려한 가을 단풍으로, 그리고 결국에는 낙엽이 되어 다시 흙으로 변해가고 있더군요. 그런 모습들이 사람의 삶과 비슷하다는 생각이 해 봤습니다. 그렇다면 현재의 나는 어느 단계일까, 단풍 아니면 이제 슬슬 낙엽...? 이런 생각은 회사에도 똑같이 적용될 수 있겠죠. 우리 회사는 현재 어떤 단계일까 하는 걸로요. 다시 마음을 다 잡고 긴장을 끊을 놓치 않아야겠습니다. 

이번 소식에서는 사람의 음성을 알아 듣는 인공지능 기술에 대해서 간단히 알아보도록 하겠습니다. 그런데... 이미 집에 그런 장치가 있으시다구요? ^^

음성인식이란 사람의 말소리(음성언어)를 듣고 컴퓨터가 이를 해석해서 데이터(텍스트 문장)으로 만들어주는 것을 말합니다. ASR(Automatic Speech-to-Text)라고도 부릅니다. 유의할 것은, 음성인식은 목소리 인식 (Voice Recognition)과는 약간 다른 기술입니다. 전자는 사람의 말을 텍스트로 변환하는 용도로, 후자는 개별 화자(말하는 사람)의 목소리를 분간하는 용도로 사용됩니다. 즉, 내용에 촛점을 두느냐 누가 말했느냐에 촛점을 두느냐의 차이가 있다고 보시면 됩니다. 

인공지능을 통해 말소리가 텍스트 문장으로 변환되는 과정을 알려주세요.
인공지능을 이용하여 사람의 말을 인식하는 과정을 그림으로 표현해 보면 다음과 같습니다. 

입력으로 사용되는 사람의 말소리는 아날로그 신호입니다. 이것을 디지털로 변환하는 작업이 우선 진행되는데 이 과정에서 신호에 대한 sampling, quantization 등이 진행됩니다. 이렇게 변환된 디지털 신호에서 사람의 목소리 외의 잡음/소음 등을 걸러내고 오디오 특징 벡터을 추출하게 됩니다. (간단하게 언급했지만 이 사이에도 Fourier Transform, Mel-Spectrogram, MFCC 등등 아주 다양하고 복잡한 기술들이 사용됩니다) 이후에 음향모델 (Acoustic Model: HMM-GMM 기반 모델)과 언어모델(Language Model)과 단어사전 등을 이용하여 디코딩이 진행되면 결과물로 텍스트 문장이 나오게 되는 것입니다. 더 깊은 내용은 여기서는 다루지 않겠습니다... 

음성인식 기술은 사실 우리 생활 곳곳에 적용되어 있거나 되고 있습니다. 다들 눈치채셨겠지만 몇년전에 붐이 일었던 스마트스피커가 그 한 예입니다. 해외에서는 알렉사라는 인공지능 비서가 탑재된 아마존 에코 시리즈와 구글 네스트, 국내에서는 카카오미니, 네이버 웨이브, SKT의 NUGU, KT의 기가지니 등이 잘 알려진 제품입니다. 제 경우에는 에코와 카카오미니를 가지고 있었는데 붐이 지나자 고스라니 집안 구석 어딘가로 치워 두었습니다. 당시까지만 해도 음성인식 수준이나 그것으로 할 수 있는 일에 제한이 많았기 때문입니다. 

이 외에 많이 사용되고 있는 영역을 열거해 보면 다음과 같은 것이 있습니다.

음... 너무 많아서 이 정도로 줄입니다. 

최근의 음성인식 기술 동향 관련 기사를 보면 알 수 있을 것 같아 찾아봤습니다. 

2018년도에 음성인식을 전문으로 하는 AI Startup의 세미나에 참석한 적이 있었습니다. 당시에 프리젠테이션을 하면서 발표 내용이 텍스트로 다른 화면 상에 실시간으로 표시되는 것을 시연했는데 당시에도 상당한 품질의 결과물에 놀랐던 경험이 있습니다. 그런데... 지금은 발표 당시 수준의 서비스를 공개된 범용 모델을 통해 개인이 활용할 수 있게 된 것이니 참 기술의 발전 속도는 빨라도 너무 빠른 것 같습니다.

• 구글 STT API 
• 카카오 '커스텀 STT'
• 네이버 CSR (CLOVA Speech Recognition)
• 카카오 i cloud Speech to Text
• 리턴제로 'VITO Speech'

Whisper의 처리 절차 (사진출처: https://github.com/openai/whisper)  

whisper 설치 후 윈도우 커맨드 창에서 CLI로 실행해 본 결과는 다음과 같습니다. test.mp3는 노트북 마이크로 녹음한 했는데 한국어도 생각보다 잘 됩니다.

(참고) whisper의 경우, 사전 학습된 weight가 tiny/small/base/medium/large로 구분되는데 데 weight 지정을 하지 않고 기본으로 하면 base가 선택되어 실행됩니다.

(주)소이넷은 인공지능 서비스를 제공하는 기업들 가운데 서비스 배포와 운영에서 어려움을 겪고 계신 곳에 도움을 드릴 수 있습니다.

혹시 구독자님의 회사는 다음과 같은 어려움을 겪고 계시지 않나요?

그렇다면 언제든 아래 연락처로 문의 주세요. 함께 해결책을 고민해 드리겠습니다.

오늘의 뉴스레터는 여기까지
구독자님,

이번 한 주도 수고 많으셨습니다. 

가족들과 따뜻하고 포근한 주말 보내세요.

저희는 새로운 소식으로 다시 찾아뵙겠습니다. 

  구독해 주시면 좋은 소식, 정보로 보답하겠습니다.