음성-텍스트

정의

음성-텍스트 변환(STT)은 AI 모델을 사용하여 음성 언어를 문자 텍스트로 자동 변환하는 과정입니다. ASR(자동 음성 인식)과 밀접한 관련이 있습니다.

목적

음성 콘텐츠를 접근하고 검색할 수 있도록 하는 것이 목적이며, 필사, 접근성, 디지털 비서 등에서 널리 사용됩니다.

중요성

• 청각 장애인 사용자를 위한 접근성을 지원합니다.
• 회의 및 강의에 대한 대본을 제공합니다.
• 정확도는 악센트와 소음 조건에 따라 달라집니다.
• 거의 모든 음성 기반 애플리케이션에 사용됩니다.

운영 방식 (How It Works)

1. 오디오 입력을 캡처합니다.
2. 오디오 신호를 전처리하고 정규화합니다.
3. ASR 모델을 적용하여 단어를 인식합니다.
4. 텍스트 전사본을 출력합니다.
5. 필요한 경우 사람의 감독 하에 검토하거나 수정합니다.

예시(실제 세계)

• Google Cloud 음성-텍스트 API.
• Microsoft Azure 음성 서비스.
• Otter.ai 회의록 작성.

참고문헌 / 추가 자료

• 자동 음성 인식 - NIST.
• ISO/IEC 15938-4: 멀티미디어 콘텐츠 설명.
• 주라프스키 & 마틴. 음성 및 언어 처리.
• Speech-to-Text 기술이란 무엇이며 어떻게 작동합니까?