d라이브러리

기계가 음성을 인식하려면 음성 신호를 주파수별로 처리해야 한다는 걸 
잘 알았지? 이때 핵심이 되는 개념이 삼각함수야. 아직 감이 잘 안 와도 괜찮아. 내가 특별히 모신 전문가들의 이야기를 들으면 잘 이해하게 될 테니까!

사람의 음성과 삼각함수는 ‘닮음’이에요!

박기영

한국전자통신연구원(ETRI) 복합지능연구실 책임연구원

한국전자통신연구원(ETRI) 복합지능연구실에서 음성 인식 AI를 연구하는 박기영 책임연구원입니다. 

음성 인식 기술은 다양한 서비스와 결합해 활용되고 있습니다. ETRI에서 개발한 AI펭톡은 음성 인식 기술을 교육 분야에 적용한 사례죠. AI펭톡은 여러분이 말한 영어 문장을 녹음하면서 동시에 인식합니다. 그리고 입력된 음성의 주파수를 분석하죠. 그것을 원어민이 똑같은 문장을 말했을 때의 주파수와 비교합니다. 두 주파수를 비교하면 여러분의 발음과 원어민의 발음이 어떤 부분에서 다르고 같은지를 알 수 있죠. 영어 말하기 학습의 목표 중 하나는 원어민과 비슷하게 발음하는 겁니다. 그래서 AI펭톡은 문장에서 어떤 부분을 더 강조해서 말해야 하는지 알려줍니다. 또 여러분이 말하는 내용에 맞는 답변을 하면서 대화를 이어가는 기술도 적용했어요. 그래서 원어민 교사가 없어도 AI펭톡이 영어 공부를 도와줄 수 있답니다!

앞에서 봤듯이 사람의 음성은 주기성을 갖는 여러 신호의 합입니다. 그리고 삼각함수는 어떤 신호가 얼마의 주기를 갖는지 나타내는 주기 함수죠.

이런 공통점을 이용하면 음성 신호를 수학적으로 표현해서 컴퓨터가 알아듣게 할 수 있답니다. 
AI의 내부는 수많은 연산의 합으로 이뤄졌을 뿐 아니라, 계산을 빠르게 하는 데도 행렬과 확률, 함수 등의 수학 개념이 활용됩니다. 그래서 AI를 잘하려면 수학에 대한 근본적인 이해가 있어야 합니다.

현재의 음성 인식 기술로 자연스러운 대화는 아직 완벽하게 인식하기 어려운데, 우리 연구실은 대화에서 음성을 정확하게 인식하는 연구를 진행 중입니다. 더불어 대화의 내용을 이해해 적당한 응답을 내놓는 기술도 열심히 연구하고 있답니다!

삼각함수는 음성 신호의 숨어있는 특징을 보여줘요!

김훈

카카오엔터프라이즈 음성처리팀 팀장 

안녕하세요, 김훈 카카오엔터프라이즈 음성처리팀 팀장입니다. 

부모님이 운전하면서 스마트폰 내비게이션에 질문하는 모습을 본 적 있나요? 이렇게 이동 중이어서 손을 쓰기 어려운 상황에서도 기기를 조작할 수 있게 하는 음성 인식 AI는 편리하고 효율적이어서 산업적으로 점점 더 중요해지고 있습니다. 카카오엔터프라이즈도 2017년 11월 출시한 AI스피커 ‘카카오미니’를 시작으로 휴대용 AI스피커처럼 사용할 수 있는 음성 인식 컨트롤러 ‘미니링크’, AI스피커 ‘미니헥사’ 등 음성 인식 AI를 적용한 다양한 스마트 기기를 개발하고 있습니다. 

AI에서 학습에 필요한 데이터는 그 데이터의 특징을 수식으로 표현해 변환한 다음 컴퓨터 프로그램에 입력해야 합니다. 음성 인식 AI도 마찬가지입니다. 

음성 신호를 삼각함수의 합으로 나타내면 아날로그 데이터 자체에서는 볼 수 없는 특징을 추출할 수 있습니다. 여러 사람이 똑같이 ‘카카오’라는 말을 한다고 가정할 때, 음성 신호 그 자체로는 컴퓨터가 의미를 알 수 없습니다. 하지만 삼각함수의 합으로 신호를 나타내면 어떤 주파수의 파동이 얼마나 크고 작은지 바로 알 수 있죠. 이렇게 신호를 수식으로 나타내면 데이터의 크기도 줄일 수 있어 효율적입니다. 

딥러닝 같은 AI 기술이 발달하면서, 우리 연구팀은 복잡한 수식을 이용하지 않아도 인공신경망이 음성 신호에서 특징을 추출해 학습하는 방법을 연구하고 있습니다. 물론 수학 지식을 많이 알수록 이런 기술을 더 깊게 이해하고 개선할 수 있답니다!