음성 전처리 도입 전 체크리스트 12항목

01

마이크는 몇 개이고, 배치가 확정됐습니까?

마이크가 2개 이상이면 방향 정보를 쓸 수 있습니다. 다만 개수를 늘려 얻는 이득은 로그로 줄어듭니다. 공간적으로 백색인 잡음을 가정한 이론 상한은 2개 3.0 dB, 4개 6.0 dB, 8개 9.0 dB입니다. 개수보다 배치와 알고리즘이 중요해지는 지점이 옵니다.

그리고 배치는 기구 설계·스피커 위치·원가 때문에 제품 개발 마지막까지 바뀝니다. 배치가 바뀔 때마다 알고리즘을 다시 맞춰야 하는 구조인지를 초기에 확인해 두면 일정 위험이 줄어듭니다.

• 개수
• 배열 형태 — 원형 · 선형 · 기타 · 미정
• 마이크 간격(mm)
• 배치 확정 여부 — 확정 · 변경 가능성 있음 · 미정

간격에는 물리적 상한이 있습니다. 방향 모호성을 피하려면 간격이 반파장을 넘지 않아야 합니다 — 4 kHz에서 42.9 mm, 8 kHz에서 21.4 mm입니다(음속 343 m/s 기준).

02

사용자와 마이크의 거리는 얼마입니까?

거리가 멀어질수록 목표 음성은 작아지는데 주변 소음은 그대로입니다. 근접 통화용으로 만든 처리를 원거리에 그대로 쓰면 성능이 나오지 않습니다.

• 일반적인 거리(cm ~ m)
• 최악 조건 거리(m)
• 사용자 위치 — 고정 · 이동 · 여러 방향에서

03

샘플링 주파수와 입력 채널 수는 무엇입니까?

샘플링 주파수가 처리할 수 있는 주파수 상한을 정합니다. 16 kHz 샘플링이면 나이퀴스트가 8 kHz이고, 그 위 대역은 애초에 없습니다. 채널 수는 하드웨어 인터페이스와 연산량을 함께 결정합니다.

• 샘플링 — 16 kHz · 48 kHz · 기타
• 비트 심도 — 16-bit · 기타
• 입력 채널 수(ch)
• 에코 참조 채널 — 있음(ch) · 없음 · 미정

04

주된 방해 요인은 무엇입니까?

방해 요인마다 필요한 처리가 다릅니다. 하나의 알고리즘이 전부를 해결하지 않습니다. 무엇이 주된 문제인지 모르면 검증 조건도 만들 수 없습니다.

• 주변 사람들의 대화 → 방향 분리
• TV·스피커에서 나온 소리 → 반향 제거
• 차량 주행음·기계 작동음 → 잡음 제거
• 벽·천장 반사음(잔향) → 반향 환경 대응
• 제품 자신이 내는 소리 → 5번·6번 참조
• 여러 사람이 동시에 말함 → 음원 분리
• 가장 큰 문제 하나

전부 체크하고 싶어지면 그 자체가 신호입니다. 우선순위를 정하지 않으면 검증 단계에서 무엇을 기준으로 합격을 판정할지 정할 수 없습니다.

05

제품에 스피커가 있고, 말하는 중에도 들어야 합니까?

제품이 말하는 동안 사용자가 끼어드는 상황(barge-in)에서는 스피커 소리의 되울림과 사용자 음성이 마이크에 함께 들어옵니다. 이때 필요한 것은 잡음 제거가 아니라 음향 반향 제거(AEC)이고, 둘은 다른 처리입니다.

• 스피커 — 있음 · 없음
• 스피커 채널 — 모노 · 스테레오 · 기타
• 말하는 중 수음 — 필요(barge-in) · 불필요 · 미정
• 스피커·마이크 거리(cm)

스테레오 스피커는 별도 검토가 필요합니다. 두 채널 신호가 서로 닮아 있으면 일반적인 반향 제거가 해를 하나로 좁히지 못하는 고전적 문제가 있습니다.

06

제품이 스스로 소음을 만듭니까?

로봇처럼 모터·관절·팬이 있는 제품은 소음원이 마이크와 같은 구조물에 있습니다. 이 소음은 두 경로로 들어옵니다 — 공기 전파는 마이크를 멀리 두면 줄어들지만, 구조 전파는 모터 진동이 프레임을 타고 마이크 몸체로 직접 전달되므로 거리를 벌려도 줄지 않습니다. 방진 마운트·고정 방식의 문제입니다.

구조 전파는 신호처리만으로 푸는 문제가 아닙니다. 기구 설계와 함께 다뤄야 합니다.

• 구동부 — 모터·액추에이터 · 팬·냉각 · 없음
• 동작 중 수음 — 필요 · 불필요
• 방진 검토 — 완료 · 미검토

07

연산 플랫폼과 가용 자원은 무엇입니까?

온디바이스 실행 가능 여부는 NPU 유무로 판단할 수 없습니다. 모델·메모리·실시간 요구를 함께 봐야 합니다.

판단 기준으로 쓸 수 있는 값 하나 — 전처리만 놓고 보면 동작주파수 64 MHz, SRAM 0.571 MB에서 동작한 실측 기록이 있습니다(중기부 디딤돌 TTA 시험성적서, mpAB 대상). 이 값은 전처리 실행 사양이지 음성인식 전체의 요구량이 아닙니다.

• 플랫폼 — MCU · DSP · AP · FPGA · 미정
• 칩셋 / 코어
• 동작주파수(MHz)
• 가용 SRAM(MB)
• 가용 플래시(MB)
• NPU — 있음 · 없음

08

음성 데이터가 기기 밖으로 나가도 됩니까?

음성은 상황과 맥락에 따라 개인정보에 해당할 수 있습니다. 국외에서 제공·조회·처리위탁·보관하는 구조라면 개인정보 보호법의 국외 이전 요건을, EU 시장이라면 GDPR의 특별범주 데이터 요건을 별도로 검토해야 할 수 있습니다.

온디바이스 처리가 이 검토를 자동으로 면제하지는 않습니다. 다만 원음의 외부 전송 자체를 줄이는 설계 선택지가 됩니다.

• 음성 외부 전송 — 가능 · 불가 · 조건부
• 대상 시장 — 국내 · EU · 미국 · 기타
• 가정·의료·차량 실내 등 민감 환경 — 해당 · 비해당

09

허용 가능한 지연은 얼마입니까?

사람 사이의 자연 대화에서 응답 전환의 최빈 구간은 0~200 ms이고 전체 평균 오프셋은 208 ms입니다(10개 언어 자연 대화 분석, PNAS 2009). 이건 음성 시스템의 절대 목표가 아니라, 짧은 공백도 대화 경험에 영향을 준다는 기준선입니다.

• 허용 응답 지연(ms)
• 기준 — 평균 조건 · 최악 조건
• 네트워크 사용 — 상시 연결 · 불안정 · 없음

실시간 처리인수(RTF)와 체감 지연은 다릅니다. RTF는 오디오 길이 대비 처리 시간이고, 체감 지연에는 수집·버퍼링·전송·인식·응답까지 포함됩니다.

10

지금 쓰는 음성인식 엔진은 무엇이고, 바꿀 수 있습니까?

전처리는 인식 엔진과 분리된 입력 품질 계층입니다. 엔진을 유지한 채 앞단만 바꾸는 구성이 가능합니다. 반대로, 입력이 이미 훼손된 뒤에는 엔진을 바꿔도 원래 신호를 되돌리지 못합니다.

• 현재 엔진
• 실행 위치 — 온디바이스 · 클라우드 · 하이브리드 · 미정
• 엔진 교체 — 가능 · 불가(기존 유지 필요) · 검토 중

11

무엇으로 합격을 판정하시겠습니까?

이 항목이 비어 있으면 PoC를 시작해도 끝낼 수 없습니다. 성능은 하나의 숫자로 말할 수 없습니다. 잡음을 얼마나 줄였는가(SNR·소음 저감량), 원음을 얼마나 보존했는가(SI-SDR), 제시간에 처리되는가(RTF)는 서로 다른 것을 잽니다.

그리고 수치에는 조건이 따라붙습니다. 입력 SNR·음성 레벨·소음 레벨·발화 수·잔향이 바뀌면 같은 알고리즘도 다른 값을 냅니다. 조건 없는 수치는 비교할 수 없습니다.

• 판정 지표 — 인식률 · SNR · SI-SDR · 소음 저감량 · RTF · 사용자 평가 · 기타
• 합격 기준
• 측정 조건
• 평가 데이터 — 자사 실제 녹음 · 공개 코퍼스 · 미정

자사 제품에서 실제로 녹음한 데이터가 있으면 검증의 질이 완전히 달라집니다. 없다면 확보 계획을 먼저 세우십시오.

12

양산 일정과 예상 수량은 어떻게 됩니까?

개발·포팅·검증에 드는 비용은 앞단에 집중되고, 통신·서버 비용은 출하 후에 누적됩니다. 어느 쪽이 유리한지는 출하량과 사용량이 정합니다. 그리고 일정은 검증 범위를 정합니다.

• 현재 개발 단계 — 기획 · 시제품 · 검증 · 양산 준비
• 양산 목표 시점(년/분기)
• 초년도 예상 수량(대)
• 인증 요구사항