한국어 음성인식 (Korean Automatic Speech Recognition)

한국어 음성인식 (Korean Automatic Speech Recognition)

---

음성인식설명 동영상

음성인식(Automatic Speech Recognition)이란 인간이 발화하는 언어에 대해서 기계가 인식하고 그 발화문장을 텍스트 형식으로 나타내 주는 것을 의미합니다. 쉽게 말해서 제가 "나 지금 학교에 왔어"라고 말한다면 기계는 그 말을 듣고 지금 말한사람이 “나 지금 학교에 왔어” 라고 말했어! 라고 인식하고 텍스트 형식으로 적어주는 것이라 할 수 있습니다. 인간의 입장에서 생각해보면 음성인식은 그다지 어려워 보이지 않을 수 있습니다만 사실 기계입장에서 음성인식은 꽤나 어려운 문제입니다.

좀더 이해하기 쉽도록 여러분을 기계의 입장이라 생각하고 설명해 보겠습니다.

지금 여러분(한국어만 써온 사람이라 가정)은 새로운 언어(영어)를 배워서 그것이 어떠한 문장이였는지를 종이에 써서 결과물로 제출해야 하는 상황입니다.(음성인식 일을 하게 되는 거죠) 이때 첫 번째로 고려할 사항은 배워야 할 언어 즉 외국어에 대해서 들을 줄 알아야 하는 것입니다. 영어를 처음 접하는 사람입장에서 영어를 모국어로 사용하는 화자의 모든 말 한마디 한마디는 언어라기보다 차라리 외계어라고 생각할 것입니다.

이러한 이유는 바로 자신이 사용하는 언어에서는 사용하지 않던 발음이 영어에 존재하기 때문인데요. 예를들어 'r’이라던가 'th’라는 소리는 한국어에 존재하지 않기 때문에, 영어를 처음 접하는 한국인에게는 이 낯선 소리들로 인해 자신이 이상한 외계어를 듣고 있다고 느끼게 되는 것입니다. 이러한 문제점은 어떻게 해결하면 될까요? 생각보다 간단합니다. 그냥 계속해서 많은 양의 영어음성을 들려주면 되는 겁니다. 그러다보면 자연스럽게 영어의 모든 소리들에 대해 익숙해 지게 되는거죠. 그리고 음성인식에서는 이러한 훈련을 통해 음향모델 (Speech model)을 구축하게 됩니다.

이렇게 영어의 소리에 대해 적응하게 되었다면 두 번째로 고려할 사항은 언어의 자연스러운 결합성을 찾는 것입니다. 언어의 자연스러운 결합성이라 함은 특정 단어 뒤에 따라오는 단어의 적합성을 의미합니다. 예를 들어 "나는 학교에 OO."라는 문장이 있다고 할 때, 여러분들은 저 OO에 들어갈 단어로 어떤것을 생각할 수 있습니까? 여러분은 아마도 “갔어”, “간다”, “안가”, “못가” 등등의 단어는 생각했겠지만 “슬퍼”,"찼어"와 같은 단어는 생각하지 않았을 것입니다.(하더라도 매우 낮은 확률일 것입니다) 위와같은 언어의 자연스러운 결합성은 여러분들의 일상생활속에서 이미 터득하고 사용하고 있습니다.

가끔 여러분의 친구가 “야 그 음식점 멋있더라” 라고 말하더라도 당신은 “야 그 음식점 맛있더라” 라고 들을수 있고, “야 그 음시정(사람이름) 멋있더라” 라고 이해할 수도 있습니다. 말한 사람은 정확히 "야 그 음식점 멋있더라"라고 이야기 했음에도 불구하고 듣는 사람은 다양한 가능성으로 해석할 수가 있게 되는 것이죠. 이때문에 언어의 자연스러운 결합성은 중요한 훈련사항이고 이는 음성인식에서 언어모델 (Language model)을 구축하게 됩니다. 음향모델처럼 언어모델도 많은 데이터를 통해 훈련해서 언어에 익숙하게 만들어줘야 함으로 방대한 언어데이터를 필요로 합니다.

이처럼 음성인식은 음향모델(Speech model)과 언어모델(Language model)을 잘 훈련시키는 것이 목적이며, 이 두 모델이 잘 훈렴됨에 따라 음성인식의 성능도 향상되게 됩니다. 음성인식을 구현하기 위한 툴은 주로 HTK가 사용되어왔지만 저는 Kaldi를 이용하였으며, 언어모델을 위해서 ‘srilm’ 툴을 사용하였습니다.

---

Kaldi: http://kaldi-asr.org/
srilm: http://www.speech.sri.com/projects/srilm/

모델 훈련에 대한 주요 사항들은 다음 포스팅에서 언급하겠으며 지금은 음성인식 데모를 보여드리도록 하겠습니다. 우선 저는 음향모델 훈련을 위해서 서울말 낭독체를 이용하여 117명분(대략 1400시간)의 발화녹음자료를 사용하였으며, 언어모델의 경우 음향모델을 위해 사용한 서울말 낭독체입니다.

1. 음향모델: 서울말 낭독체, 언어모델: 서울말 낭독체

Hyungwon Yang