Accentury

녹음 환경이 결과에 미치는 영향

억양 분석은 녹음된 소리에서 음높이를 읽어 내는 일이라, 어떻게 녹음됐는지가 결과에 영향을 줍니다.

녹음 형식

녹음은 16kHz 모노 형식으로 다루고, 앱과 웹이 같은 형식입니다. 브라우저는 기기마다 샘플링 속도가 달라 더 촘촘하게 기록하는 경우가 많으므로, 웹은 이를 16kHz로 맞춰서 보냅니다. 이때 샘플을 그냥 솎아 내면 높은 주파수 잡음이 낮은 쪽으로 접혀 들어와 목소리 음높이 대역에 섞이고, 한 번 섞인 것은 서버가 되돌릴 수 없습니다. 그래서 줄이기 전에 높은 주파수를 먼저 걸러 냅니다.

웹에서는 브라우저의 통화용 음성 처리인 에코 제거, 잡음 억제, 자동 음량 조절을 끄도록 요청합니다. 자동 음량 조절은 말하는 도중 소리 크기를 계속 바꾸고, 잡음 억제는 조용한 구간을 통째로 0으로 만들어 판정을 흐리기 때문입니다. 브라우저에 따라 이 요청이 반영되지 않을 수도 있습니다.

시작 전 점검과 녹음 직후 검사

첫 문항 전 목소리 점검에서 "안녕하세요"를 말하면, 목소리가 충분히 크게 들어오는지 확인합니다. 점검의 볼륨 기준과 곡선을 그리는 기준이 같은 값이라, 점검을 통과했다면 녹음 중에도 곡선이 나옵니다.

녹음을 마치면 기기에서 바로 세 가지를 봅니다.

이 기준은 앱과 웹에서 같은 값이고, 서버에서도 다시 확인합니다. 같은 녹음이 기기에 따라 통과하기도 하고 걸리기도 하는 일이 없게 하려는 것입니다.

주변 소리

서버용 음높이 추출 모델을 고를 때 팀이 녹음에 잡음을 섞어 실험해 보니, 잡음은 크기보다 성격이 중요했습니다. 사람들이 웅성거리는 구내식당 잡음이 기차역 소음보다 훨씬 어려운 조건이었습니다. 모델은 이런 조건에서 가장 잘 버틴 것으로 골랐지만, 가능하면 주변에서 다른 사람이 말하지 않는 곳에서 평소 목소리로 읽는 편이 좋습니다. 다른 앱이 마이크를 쓰고 있으면 브라우저가 마이크를 열지 못하니 그런 앱은 먼저 닫아 주세요.