Lesskeys용어집알파벳순
음성 텍스트 변환 용어집
요약
음성 소프트웨어에는 특수한 용어가 많고, 업체마다 같은 말을 다르게 쓰기도 합니다. 이 페이지는 각 용어가 여기서 어떤 뜻인지 설명합니다.
이 사이트에서 특정한 의미나 평소와 다른 의미로 쓰는 용어와, 저희가 쓸 때의 뜻을 정리했습니다.
A
- ASR(자동 음성 인식)
- 음성을 텍스트로 바꾸는 소프트웨어를 통틀어 부르는 이름입니다. Whisper도 그중 하나입니다. 일상에서 ‘음성 텍스트 변환’이라고 하면 같은 뜻입니다.
D
- 받아쓰기
- 타자를 치는 대신 말로 입력해서, 지금 쓰고 있는 앱에 글자가 나타나게 하는 것입니다. 실시간이고 짧습니다. 이미 있는 녹음을 나중에 텍스트로 바꾸는 텍스트 변환과 구별됩니다.
H
- 단축키
- 특정 앱 안에서만이 아니라 어디서나 작동하는 키 조합입니다. Lesskeys는 받아쓰기를 시작하고 멈추는 데 단축키 하나를 쓰므로, 말하려고 창을 바꿀 필요가 없습니다.
O
- 온디바이스
- 작업이 회사의 서버가 아니라 지금 앞에 있는 컴퓨터에서 이루어진다는 뜻입니다. Lesskeys에서는 녹음, 음성 모델, 완성된 텍스트가 모두 내 컴퓨터 안에만 있습니다. 처리가 어디서 이루어지는지를 말하는 것이므로 직접 확인할 수 있습니다. 네트워크를 끄고도 작동하는지 보면 됩니다.
S
- 화자 분리
- 여러 목소리가 담긴 녹음에서 누가 언제 말했는지 알아내는 작업입니다. 텍스트 변환과는 별개의 작업입니다. 텍스트 변환은 무슨 말을 했는지를, 화자 분리는 누가 말했는지를 알아냅니다. 두 가지를 합치면 줄마다 이름이 붙은 녹취록이 만들어집니다.
- 시스템 오디오
- 마이크에 들리는 소리가 아니라 컴퓨터가 재생하는 소리입니다. 시스템 오디오와 마이크를 함께 녹음하면 회의에 아무것도 참가시키지 않고도 통화의 양쪽 목소리를 담을 수 있습니다.
T
- 텍스트 변환
- 이미 있는 녹음(통화, 인터뷰, 동영상)을 글로 된 텍스트로 바꾸는 것입니다. 받아쓰기와 달리 일이 끝난 뒤에 이루어지며, 보통 화자가 여럿입니다.
V
- 성문
- 특정 목소리가 어떻게 들리는지를 요약해 저장한 것으로, 서로 다른 녹음에서 같은 사람을 알아보는 데 쓰입니다. Lesskeys는 성문을 내 컴퓨터에만 보관하며 다른 곳에는 두지 않습니다.
W
- WER(단어 오류율)
- 정확도를 재는 방법입니다. 시스템이 틀린 단어(바뀌거나, 빠지거나, 끼어든 단어)의 수를 실제로 말한 단어 수에 대한 비율로 나타냅니다. 낮을수록 좋으며, WER 2.5%는 대략 40단어 중 1단어가 틀린다는 뜻입니다.
- Whisper
- 일반 하드웨어(맥이나 Windows PC 포함)에서도 실행할 수 있는 오픈 음성 인식 모델 계열입니다. 크기가 여러 가지이며, 큰 모델이 무조건 더 좋은 것은 아닙니다. 저희가 직접 진행한 벤치마크에서 측정한 결과입니다.
간단한 답변
온디바이스란 정확히 무슨 뜻인가요?
처리가 회사의 서버가 아니라 내 컴퓨터에서 이루어진다는 뜻입니다. 확인하는 방법은 간단합니다. 네트워크를 끄고 써 보세요. 그래도 작동하면 온디바이스입니다.
받아쓰기와 텍스트 변환은 같은 건가요?
아닙니다. 받아쓰기는 실시간입니다. 말하면 입력 중인 곳에 바로 글자가 나타납니다. 텍스트 변환은 이미 있는 녹음을 텍스트로 바꾸는 작업이며, 보통 여러 화자가 섞여 있습니다.
단어 오류율은 어느 정도면 좋은 건가요?
오디오에 따라 달라서 숫자 하나로 말하면 오해를 부릅니다. 깨끗한 음성에서는 현재 가장 좋은 모델이 2~3% 정도이며, 약 40단어 중 1단어가 틀린다는 뜻입니다. 말이 겹치거나, 억양이 강하거나, 잔향이 심한 공간에서 녹음된 오디오는 어떤 시스템에서든 훨씬 어렵습니다.