음성인식 음성합성 AI 소리와 글자

핵심 포인트

• 소리는 공기 진동이고, 마이크는 이 진동을 숫자(디지털 파형)로 바꿔 컴퓨터에 전달한다. AI는 이 숫자 패턴을 분석해 어떤 말인지 알아낸다.
• STT(Speech-to-Text)는 말소리를 글자로, TTS(Text-to-Speech)는 글자를 말소리로 바꾸는 기술이다. 시리, 빅스비, 클로바가 이 두 기술을 모두 사용한다.
• 음성인식 AI는 '음향 모델'(소리 패턴 학습)과 '언어 모델'(문맥·문법 학습) 두 개의 뇌가 함께 작동해 정확도를 높인다.
• AI는 수십만~수백만 시간의 음성 데이터를 학습해 사람마다 다른 발음, 사투리, 소음 속 목소리도 점점 잘 인식하게 된다. OpenAI Whisper는 68만 시간의 데이터로 학습했다.
• TTS는 단순히 녹음을 재생하는 게 아니라, 텍스트를 소리 스펙트럼(멜 스펙트로그램)으로 변환한 뒤 AI가 사람처럼 자연스러운 억양과 감정을 덧붙여 음성을 합성한다.

관련 개념

교사 팁

수업 도입 시 학생들에게 스마트폰 빅스비나 시리에게 "오늘 날씨 알려줘"라고 말하게 해 STT→AI 처리→TTS 응답 과정을 직접 경험시킨다. 이어서 Google Teachable Machine(teachablemachine.withgoogle.com)을 열고, 박수 소리와 '안녕' 목소리를 각각 20회씩 녹음해 AI가 두 소리를 구별하게 훈련시키는 5분 실습을 진행한다. "AI가 내 목소리 20번을 듣고 배웠다"는 경험이 '데이터로 학습'하는 핵심 개념을 직관적으로 심어준다.

참고 자료

• 우리 일상생활 속에 녹아있는 STT, TTS 기술ko / article

  STT(음성→텍스트)와 TTS(텍스트→음성) 기술의 일상 적용 사례를 시리, 빅스비, 스마트 홈 기기 등 친숙한 예시로 설명한 한국어 기사. 중학생이 바로 이해할 수 있는 수준.

• 내 목소리를 알아 듣는 인공지능, 원리가 뭘까?ko / article

  음향 모델과 언어 모델이 어떻게 협력해 사람 목소리를 텍스트로 바꾸는지 그림과 함께 쉽게 풀어 쓴 한국어 블로그 글. 딥러닝 학습 과정도 간략히 소개.

• Google Teachable Machine — 소리 인식 체험en / interactive

  브라우저에서 직접 마이크로 소리를 녹음해 AI 모델을 훈련시키는 무료 인터랙티브 도구. 로그인·설치 불필요. 수업 중 학생이 직접 '박수 소리'와 '목소리'를 분류하는 AI를 5분 안에 만들 수 있음.

• Speech synthesis — Wikipediaen / wiki

  TTS(음성 합성)의 역사, 파형 생성 방식, 딥러닝 기반 뉴럴 TTS 원리를 망라한 위키피디아 영문 문서. 교사가 배경지식을 쌓거나 심화 자료로 활용 가능.

• OpenAI Whisper: Convert Speech To Text — Explained in 8 Minutes (Simplilearn)en / video

  오픈소스 음성인식 모델 Whisper가 어떻게 음성을 텍스트로 바꾸는지 8분 영상으로 설명. 인코더-디코더 구조를 시각적으로 보여줘 원리 이해에 도움. 영어 자막 지원.