예시 답변 1
약 90초
STT 엔진 잡음 처리 레이턴시 최적화 결
STT 엔진 개발에서 가장 중요하게 생각하는 것은 잡음 환경에서의 인식 정확도와 실시간 레이턴시의 균형입니다. 자연스러운 대화를 위해서는 응답 지연이 짧아야 하지만, 인식 정확도를 높이려면 더 많은 오디오 문맥이 필요한 경우가 있어 이 둘은 트레이드오프 관계입니다. AI 프로젝트에서 Whisper 모델을 활용해 음성을 텍스트로 변환하는 기능을 구현해봤는데, 배치 크기와 청크 길이를 조정하면서 레이턴시와 정확도 사이의 균형을 찾는 실험을 했습니다.
화자 발화가 끝나는 시점을 감지하는 VAD(Voice Activity Detection)도 중요한 요소인데, 잘못된 발화 종료 감지가 문장을 잘라버리는 문제를 일으켰습니다. 한국어 특화 인식에서 외래어와 신조어가 인식률을 낮추는 경우가 있어, 도메인 특화 어휘 목록을 추가하는 방식으로 보완했습니다. STT는 정확도와 속도를 동시에 보는 지표 체계를 만드는 것이 개선의 결임을 배웠습니다.