16.9MB 음성인식이라면, 클라우드가 꼭 필요할까요?

핵심 요약

• 16.9MB라는 용량만으로 음성인식 정확도와 실행 속도를 판단할 수는 없습니다.
• 정확도를 보려면 사용하는 언어와 소음 환경에서 숫자·고유명사까지 제대로 인식하는지 확인해야 합니다.
• 기기 내 음성인식은 외부 API 사용료를 줄일 수 있지만 배터리와 유지보수 비용은 남습니다.
• 개인정보를 얼마나 보호할 수 있는지는 음성을 처리하는 위치뿐 아니라 저장·동기화 방식에도 달려 있습니다.

Whistle이 16.9MB만으로 기기 안에서 음성을 글로 바꿀 수 있다면, 클라우드에 돈을 내고 음성을 보낼 이유가 얼마나 남을까요? 받아쓰기를 쓰는 사람이라면 개인정보를 지키면서 편하게 쓸 수 있을지가 궁금할 겁니다. 음성 기능을 만드는 사람이라면 서비스 운영비부터 다시 계산해볼 만합니다.

16.9MB가 말해주는 것과 확인해야 할 것

우선 16.9MB가 무엇의 크기인지부터 알아야 합니다. 음성인식 모델 파일만 잰 것인지, 실행에 필요한 프로그램까지 포함한 것인지에 따라 이 숫자의 의미가 달라집니다.

모델 파일에는 음성을 해석하는 데 필요한 학습 결과가 담겨 있습니다. 실제로 음성을 인식하려면 모델을 실행할 소프트웨어와 작업 공간도 필요합니다. 파일이 16.9MB라고 해서 실행 중에도 메모리를 16.9MB만 쓰는 것은 아닙니다.

파일이 작으면 배포하기에 좋습니다. 다운로드할 때나 기기에 저장할 때 부담을 줄일 수 있기 때문입니다. 처리 속도는 따로 봐야 합니다. 연산량이 얼마나 되는지에 따라 달라지고, 기기의 성능과 실행 방식도 영향을 줍니다.

Whistle을 평가할 때도 용량만 볼 수는 없습니다. 어떤 기기에서 어느 언어를 얼마나 빠르고 정확하게 받아쓰는지 확인해야 합니다. 파일 크기만으로 실제 사용 경험을 알 수는 없습니다. 받아쓰기에 쓸 만한지는 직접 사용하는 조건에서 따져봐야 합니다.

정확도는 내가 쓰는 문장에서 드러납니다

음성인식이 얼마나 정확한지 보려면 사용 환경도 함께 살펴야 합니다. 조용한 방에서 또박또박 읽은 문장을 받아쓰는 일과 여러 사람이 끼어드는 회의를 받아쓰는 일은 다릅니다.

한국어 사용자라면 한국어 성능을 따로 확인해야 합니다. 영어를 잘 알아듣는다고 한국어도 그만큼 잘 알아들을 거라고 단정할 수는 없습니다. 한국어 문장에 영문 제품명이나 약어를 섞어 말했을 때도 제대로 인식하는지 봐야 합니다.

어디서 틀리는지도 중요합니다. 예를 들어 회의록에서 조사 하나를 고치는 일과 주문 수량이 ‘15개’에서 ‘50개’로 바뀌는 일은 부담이 다릅니다. 틀린 단어 수가 같아도 사용자가 감당해야 할 비용은 같지 않습니다.

짧은 메모를 남기려는 사람에게는 말한 직후 결과가 나오고 쉽게 고칠 수 있는지가 중요합니다. 긴 인터뷰를 글로 옮긴다면 빠진 문장이나 잘못 인식한 고유명사를 찾아 고치는 데 얼마나 걸리는지도 봐야 합니다.

비교할 때는 수정을 마칠 때까지 걸리는 시간을 재보는 편이 좋습니다. 기기 내 처리와 클라우드 처리에 같은 녹음을 넣고, 결과를 고치는 데 드는 시간까지 비교하면 선택하기가 수월해집니다.

클라우드 요금이 줄어도 비용은 남습니다

음성인식을 기기 안에서 끝내면 그 작업에는 외부 음성인식 API를 호출할 필요가 없습니다. 사용량에 따라 요금을 내는 서비스라면 호출이 줄어든 만큼 비용도 아낄 수 있습니다.

그렇다고 연산 자체가 사라지지는 않습니다. 서버가 하던 일을 사용자의 기기가 맡는 셈입니다. 배터리를 얼마나 쓰고 열이 얼마나 나는지 확인해야 합니다. 다른 앱을 함께 쓸 때 반응이 느려지는지도 봐야 합니다.

제품을 만드는 쪽에서도 할 일이 남습니다. 지원하는 기기마다 제대로 작동하는지 확인해야 합니다. 모델을 교체할 때는 업데이트를 배포해야 하고, 이전보다 음성을 잘못 알아듣는 경우가 생기지는 않는지도 살펴야 합니다.

비용을 ‘음성 1분당 API 요금’으로만 비교하면 판단이 빗나갈 수 있습니다. 30분짜리 인터뷰를 받아쓰는 경우를 생각해보면 쉽습니다. API 비용은 아꼈어도 사람이 오탈자를 고치는 시간이 크게 늘었다면 전체 작업 비용은 오히려 높아질 수 있습니다.

인식 품질이 용도에 충분하고 수정에 드는 수고도 비슷하다면 기기 내 처리로 비용을 아끼기 쉬워집니다. 음성인식 기능 자체가 완전히 로컬에서 작동한다면 인터넷에 연결하지 않고도 쓸 수 있다는 장점도 있습니다.

개인정보 보호는 받아쓰기가 끝난 뒤에도 이어집니다

기기 안에서 음성을 처리하면 원본 녹음을 외부 서버에 보내지 않도록 설계할 수 있습니다. 개인 메모나 사내 대화를 다룰 때는 녹음을 밖으로 보내는지 여부가 중요한 차이가 됩니다.

하지만 ‘온디바이스’라는 표시만 보고 모든 데이터가 기기 안에 남는다고 생각해서는 안 됩니다. 음성은 로컬에서 처리해도 변환된 글은 계정에 자동으로 동기화될 수 있습니다. 오류 진단이나 품질 개선 기능이 어떤 내용을 전송하는지도 따로 확인해야 합니다.

사용자는 원본 음성과 변환된 글이 각각 어디에 저장되는지, 언제 외부로 나가는지 확인해야 합니다. 녹음을 보내지 않더라도 변환된 글에는 같은 민감한 내용이 담길 수 있습니다. 음성을 어디서 처리하는지만 살펴서는 부족한 이유입니다.

기기와 클라우드를 함께 쓰도록 설계할 수도 있습니다. 평소에는 기기에서 처리하다가 사용자가 원할 때 일부 녹음을 클라우드로 다시 처리하는 방식입니다. 이때도 개인정보를 보호하려면 어떤 내용을 언제 전송하는지 사용자가 알 수 있어야 합니다.

저라면 클라우드를 쓸지 결정할 때 모델 용량보다 내 용도에서의 정확도와 총비용을 보겠습니다. 기기 안에서 충분히 정확하게 처리할 수 있다면 클라우드를 거쳐야 할 이유는 줄어듭니다. API 요금과 수정 시간, 외부로 보내는 데이터 가운데 내 음성 작업에서 무엇이 가장 큰 부담인지 따져봐야 합니다.