인공지능(AI) 음성 인식 플랫폼의 활약이 그 어느때보다 두드러진다. 더이상 기술로만 머무는 것이 아니라, 인공지능 스피커를 넘어 AI 튜터 등 우리 일상 생활 곳곳에 도입되어 이용자들에게 한 차원 더 높은 편의와 서비스를 제공하고 확산에 큰 도움이 될 전망이다.

여기에, 한국전자통신연구원(ETRI)이 한국어와 영어, 중국어, 일본어뿐만 아니라 독일어, 프랑스어, 스페인어, 러시아어 등 세계 주요 24개 언어를 자동 음성 인식(Automatic Speech Recognition, ASR)을 통해 텍스트(Speech-To-Text, STT)로 변환할 수 있는 '대화형 인공지능(Conversational AI) 기술'을 개발했다.

이번 개발한 음성인식 기술의 성능은 한국어에서는 구글(Google) 등 글로벌 업체와 비교해 우위, 타 언어에서는 대등한 수준이다. 기존 음성인식 기술을 개발하기 위해서는 대규모 학습데이터가 필요해 다국어 확장과 음성인식 성능 확보가 쉽지 않았다. 

특히, 연구진은 자기 지도학습, 의사 레이블 적용, 대용량 다국어 사전 학습 모델, 음성 데이터의 오디오 데이터 생성(TTS) 증강 기술 등을 통해 언어 확장의 어려움을 해결했다. 또한, 연구진은 기존에 흔히 활용되던 종단형(End-to-End) 음성인식 기술의 단점을 개선해 활용성을 높였다. 

느린 응답속도의 문제는 스트리밍 추론 기술을 개발, 실시간 처리가 가능하도록 개선했다. 아울러, 의료와 법률, 과학기술 등 특정한 도메인에 대한 음성인식 특화가 쉽도록 하이브리드 종단형 인식 기술도 개발해 적용했다.

ETRI는 지난 2020년 종단형 음성인식 기술을 개발한 후, 30여 개의 국내·외 기업에 음성인식 기술을 이전했다. 이를 통해 기업들은 회의록 작성, 자막 통역, 키오스크, 의료·교육, 인공지능 컨택센터(AICC) 등 다양한 AI 서비스에 ETRI의 음성인식 기술을 활용 중이다.

연구진은 이번 다국어 확대와 응답 속도 지연 해결 등 신기술 적용을 통해 음성인식 기술 활용 범위를 확대, 사업화를 추진할 예정이라고 밝혔다. 특히, 올해 안으로 지원 언어를 30여 개로 확대하고, 국내·외 전시 참여와 기업체 설명회를 통해 동남아와 남미, 아랍권 등을 대상으로 사업화를 적극 추진할 예정이다.

ETRI 복합지능연구실 김상훈 책임연구원은“국내기술로 글로벌 선도업체와 대등한 수준의 음성인식 기술을 개발했다는 데 의의가 있다. 본 기술이 우리나라 인공지능 분야의 글로벌 경쟁력을 높이고 기술자주권을 확보하는 데 큰 도움이 되길 바란다”고 말했다. 

연구진은 본 기술이 지난 20여년 간 음성인식 기술 개발에 매진해온 결과라고 설명했다. 연구진은 그동안 2018 평창 동계 올림픽 공식 자동통역 서비스에 핵심 기술을 제공한 바 있다. 

현재 ETRI에서는 공공인공지능 오픈 API·DATA 서비스 포털(보기)을 통해 11개 언어의 음성인식 서비스를 제공하고 있으며, 이번 연구성과를 기반으로 24개 언어로 음성인식 서비스를 확대해 중소·벤처기업, 학교, 개인 개발자 등 다양한 사용자들에게 다국어 음성인식 관련 사업 기회를 제공할 예정이다.

한편, 본 기술은 과학기술정보통신부 '자율성장형 복합인공지능 원천기술연구'사업의 일환으로 개발되었으며, 지난 사업 기간동안 연구진은 국내·외 논문 17편, 특허 43건, 기술이전 20건과 19억원의 기술료 수입을 거뒀다.