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.
이 낱말과 이어진 기록
출처로 확인한 AI 역사 속 장면이에요.
Geoffrey Hinton·Li Deng·Dong Yu 외 (토론토대·MS·Google·IBM)
Deep Neural Networks for Acoustic Modeling in Speech Recognition
서로 다른 산업 그룹이 같은 전환(HMM→DNN)을 확인해 딥러닝이 음성인식 산업 표준이 됨