window
width : 0
clientWidth : 0
height : 0
heightVH : 0
content
left : 0
width : 0
padding : 0
column
left : 0
width : 0
gap : 0

ETRI오픈API

1 Contents

[2021 ETRI 오픈 API 활용사례 공모전] 2020 오픈API활용사례공모전 대상 팀 발표

현대 사회에서 인공지능 기술은 눈부시게 발전하고 있지만, 어린이와 노인 등 정보 소외 계층을 위한 음성 인식 기술은 여전히 개선의 여지가 많습니다. 이러한 배경 속에서 진행된 연구는 한국어 음성 데이터를 활용해 어린이 전용 음성 인식기를 구축하고, 노인 음성을 성인 음성으로 변환하여 인식 성능을 높이는 데 초점을 맞추었습니다. 특히 대규모 데이터를 기반으로 학습된 신뢰도 높은 기술 도구들을 적극적으로 활용하여 시스템의 완성도와 실용적인 가치를 확보하는 데 주력했습니다. 실험의 핵심은 데이터의 특성을 파악하고 이를 효과적으로 전처리하는 과정에서 시작되었습니다. 초등학교 저학년 어린이들의 발화 데이터와 고령층의 목소리가 담긴 대규모 데이터셋을 활용하여 연령별 음성 특징을 정밀하게 분석했습니다. 음성 신호를 80채널 멜 스펙트로그램으로 변환하고 정규화하는 과정을 거쳤으며, 서로 다른 샘플링 레이트를 통일하여 데이터의 일관성을 유지했습니다. 이러한 정교한 전처리는 이후 진행될 딥러닝 모델의 학습 효율과 정확도를 높이는 중요한 기초가 되었습니다. 어린이 전용 음성 인식기인 'E-Transformer'는 VGG16 스타일의 인코더와 트랜스포머 구조의 디코더를 결합하여 설계되었습니다. 학습 데이터가 상대적으로 부족한 한계를 극복하기 위해 주파수와 시간 축을 마스킹하는 데이터 증강 기법을 도입하여 모델의 일반화 성능을 극대화했습니다. 특히 디코더 부분에 언어 정보 예측을 위한 마스킹 기법을 적용한 결과, 음절 인식률이 97% 이상으로 크게 향상되었습니다. 이는 인코더와 디코더 각각의 최적화 기법이 실제 성능 개선에 기여했음을 증명하는 결과입니다. 노인 음성 인식의 성능을 높이기 위해 제안된 방식은 인식기 자체를 수정하는 대신 입력 신호를 변환하는 피처 어댑테이션 기법입니다. 'VoiceFlow'라는 음성 변환 네트워크를 통해 노인의 음성을 성인의 목소리 특성으로 변환하여 기존 인식기가 더 정확하게 판단할 수 있도록 유도했습니다. 실제 주관적 평가인 MOS 테스트에서 변환된 음성은 높은 자연성과 유사성을 기록했으며, 특히 여성 음성으로의 변환이 상대적으로 더 좋은 결과를 보여주었습니다. 이는 노령층의 언어적 정보를 보존하면서도 기술적 장벽을 낮추는 가능성을 제시했습니다. 정량적 평가 결과, 어린이 음성 인식률은 98.2%라는 높은 수치를 기록했으며 노인 음성 인식 성능 또한 변환 기법 적용 후 약 12.3% 개선되는 성과를 거두었습니다. 비록 스펙트로그램 단계에서의 위상 추정 방식으로 인해 음질 면에서 일부 보완할 점이 발견되기도 했지만, 이는 향후 연구를 통해 해결해 나갈 과제로 남았습니다. 이번 시도는 데이터가 부족한 소외 계층의 음성 데이터를 기술적으로 어떻게 포용할 수 있는지에 대한 실질적인 해답을 제시하며 음성 처리 시스템의 새로운 지평을 열었다고 평가할 수 있습니다.

[2021 ETRI 오픈 API 활용사례 공모전] 2020 오픈API활용사례공모전 대상 팀 발표
한국전자통신연구원ETRI 아카이브
  • 뇌인지과학
  • 융합
  • 공학·기술