실시간 전사 입문: 말이 끝나기 전에 글자가 나온다는 뜻

이 강좌를 마치면 세 가지를 할 수 있습니다. 첫째, 실시간 전사의 뜻을 자기 말로 설명합니다. 둘째, 말하는 도중에 첫 결과가 나오는 흐름을 설명합니다. 셋째, 공개된 정보와 확인되지 않은 조건을 구분합니다. 별도의 기술 지식은 필요하지 않습니다. 필요한 용어는 그때그때 풀어서 설명합니다.

한 문장으로 이해하기

전사는 사람의 말소리를 글자로 옮기는 일입니다. 실시간 전사는 말이 끝나기를 기다리지 않고, 말하는 도중에 첫 전사 결과를 내놓는 방식입니다. 여기서 ‘부분 결과’는 말 전체가 아니라 먼저 나온 일부 전사 결과를 가리킵니다. 스트리밍 음성 인식이라고도 부릅니다.

이 강좌는 하나의 가상 예시를 끝까지 따라갑니다. 전화 상담 창구에 실시간 전사를 붙인 상황입니다. 고객이 아직 말을 하는 중인데 상담 화면에는 이미 글자 일부가 떠 있습니다. 바로 이 장면이 실시간 전사입니다.

왜 필요한가

핵심은 지연입니다. 지연은 결과가 나오기까지 걸리는 시간을 뜻합니다. 말이 다 끝난 뒤에만 글자가 나오는 방식이라면, 말이 길수록 첫 글자도 늦게 나옵니다.

해당 기사에 따르면 마이크로소프트 AI가 공개한 실시간 전사 모델 MAI-Transcribe-2-Streaming은 첫 부분 결과를 100밀리초를 조금 넘는 시간에 내놓습니다. 밀리초는 1000분의 1초입니다. 또 마이크로소프트 설명에 따르면, 이 덕분에 음성 에이전트가 상대의 문장이 끝나기 전에도 응답할 수 있습니다. 음성 에이전트는 사람과 말로 대화하는 인공지능(AI) 프로그램입니다. AI타임스도 이 모델이 화자의 말이 끝나기 전에 첫 텍스트를 내놓는다고 소개했습니다.

가상 예시의 상담 창구로 돌아오면, 필요한 이유는 분명합니다. 고객이 말을 마칠 때까지 화면이 비어 있지 않아도 된다는 것입니다.

어떻게 이루어지는가

아래는 모델 내부의 구현 방식이 아니라, 공개된 자료로 확인되는 겉으로 보이는 흐름입니다.

1. 사람이 말을 시작합니다.
2. 말이 끝나기 전에 첫 전사 결과가 나옵니다.
3. 마이크로소프트 설명에 따르면, 음성 에이전트는 발화가 진행되는 도중에 응답할 수 있습니다.

소리를 어떻게 나누어 처리하는지, 먼저 나온 글자를 어떤 기준으로 다듬거나 확정하는지는 입력 자료에 나와 있지 않습니다. 그래서 이 강좌도 거기까지는 설명하지 않습니다.

하나의 예시로 따라가기

가상 예시입니다. 상담 창구에서 고객이 어제 주문한 물건에 대해 말을 이어 갑니다. 1단계에서 고객이 말을 시작합니다. 2단계에서 고객의 말이 끝나기 전에 화면에 고객이 말한 내용의 일부가 글자로 나타납니다. 이 장면은 이해를 돕기 위해 지어낸 것이며, 특정 제품의 실제 출력이나 성능을 재현한 것이 아닙니다. 3단계에서 상담 담당자나 음성 에이전트는 고객이 말을 맺기 전부터 내용을 읽기 시작할 수 있습니다.

같은 상황을 말이 끝난 뒤에 전사하는 방식으로 처리한다면, 첫 글자는 고객이 문장을 마친 다음에야 나타납니다. 두 방식의 차이는 결국 ‘첫 글자가 언제 보이는가’입니다.

언제 쓰고 언제 쓰지 않는가

판단 기준은 하나의 질문으로 줄일 수 있습니다. “말이 끝나기 전에 글자가 필요한가?” 가상 예시의 상담 창구처럼 대화가 진행되는 동안 내용을 봐야 한다면 실시간 전사가 맞습니다. 반대로 이미 저장된 녹음을 나중에 정리하는 일이라면 말이 끝나기 전에 글자가 나올 이유가 없습니다.

한계는 자료의 범위로 이해해야 합니다. 첫 부분 결과가 나오는 시간은 전사 전체가 끝나는 시간이 아니며, 모든 환경에서의 응답 시간도 아닙니다. 또 입력 자료에는 먼저 나온 결과가 어떻게 수정되는지, 최종 결과가 어떤 조건에서 확정되는지, 지원 언어의 전체 목록은 무엇인지, 환경별 정확도와 연결 요건은 어떠한지가 제시돼 있지 않습니다. 해당 기사는 이 모델이 60개 언어를 전사한다고 설명하지만, 이는 모든 언어와 모든 환경에서 같은 품질을 보장한다는 뜻은 아닙니다. 확인되지 않은 부분은 직접 확인해야 할 항목으로 남겨 두는 편이 안전합니다.

핵심 정리와 확인문제

실시간 전사는 말이 끝나기 전에도 음성을 글자로 바꾸어 첫 결과를 제공하는 방식입니다. 가상 예시의 상담 창구에서 고객이 말하는 도중 화면에 글자가 뜨는 장면이 그 전부입니다. 쓸지 말지는 “말이 끝나기 전에 글자가 필요한가"로 판단하고, 그 밖의 조건은 자료에 있는 만큼만 말하면 됩니다.

1. 실시간 전사는 반드시 말이 끝난 뒤에 첫 결과를 내보내나요?

정답: 아니다. 해설: 실시간 전사의 정의 자체가 말이 끝나기 전에 첫 결과를 내놓는 것입니다.

2. 소개된 모델의 100밀리초 남짓이라는 수치는 첫 부분 결과와 전체 전사 완료 중 무엇에 관한 것인가요?

정답: 첫 부분 결과. 해설: 해당 기사는 첫 부분 결과가 나오는 시간을 말할 뿐, 전사 전체가 끝나는 시간을 말하지 않습니다.

3. 입력 자료만으로 “화자가 숨을 고르면 전사 결과가 확정된다"고 판단할 수 있나요?

정답: 판단할 수 없다. 해설: 결과가 어떤 조건에서 확정되는지는 입력 자료에 제시돼 있지 않습니다.

참고자료

• 실시간 전사 입문 참고자료
• 실시간 전사 입문 참고자료