📘 코딩이란? 강좌 · 3-7단원 — 인공지능/머신러닝/딥러닝 입문 시리즈
음성인식이란
음성인식(Speech Recognition)은 사람의 목소리를 텍스트로 바꾸는 기술입니다. 스마트폰의 음성 비서, 자막 자동 생성, 받아쓰기 앱이 모두 이 기술을 사용합니다.
소리에서 글자까지의 과정
- 소리 입력 : 마이크로 음성 파형을 받아들입니다.
- 특징 추출 : 파형을 주파수 성분으로 분석해(스펙트로그램) 기계가 다루기 좋은 형태로 바꿉니다.
- 변환 : 신경망이 이 특징을 보고 어떤 소리·글자에 해당하는지 예측합니다.
- 문장 완성 : 언어 지식을 반영해 자연스러운 문장으로 다듬습니다.
딥러닝이 바꾼 것
예전에는 통계 기반 모델(HMM 등)과 사람이 만든 규칙을 조합했지만 정확도에 한계가 있었습니다. 딥러닝은 소리에서 글자까지를 하나의 신경망으로 통째로 학습하는 방식(엔드투엔드)을 가능하게 해, 인식 정확도를 크게 끌어올렸습니다.
어떤 신경망을 쓸까요?
음성은 순서가 있는 데이터이므로 초기에는 RNN 계열이 많이 쓰였고, 최근에는 트랜스포머 기반 모델이 소음 환경에서도 높은 정확도를 보이며 널리 활용됩니다.
핵심 정리
- 음성인식은 목소리를 텍스트로 바꾸는 기술이다.
- 소리 → 특징 추출 → 신경망 변환 → 문장 완성 순으로 처리한다.
- 딥러닝의 엔드투엔드 학습이 정확도를 크게 높였다.