음성 텍스트 변환 품질 개선
Hedy의 녹취록에서 단어가 빠지거나 고유 명사가 틀리고 구절을 알아볼 수 없다면 AI 모델 자체가 원인인 경우는 드뭅니다. 대부분 오디오 캡처 환경이 좋지 않거나, 마이크나 언어 설정이 잘못됐거나, 용도에 맞지 않는 음성 인식 서비스를 사용한 경우입니다. 자주 발생하는 원인부터 확인하고 해결하는 방법을 살펴봅니다.
기본 설정 확인
설정을 변경하기 전에 다음부터 확인하세요.
-
실제로 사용하는 언어가 ‘회의/수업 언어’에 설정되어 있나요? ‘설정’ → ‘프로필’ → ‘언어 기본 설정’에서 확인하세요. 기본 음성 인식 엔진인 Whisper는 언어를 자동으로 감지하지 않고 설정된 언어로 음성을 텍스트로 변환합니다. 설정이 실제 언어와 다르면 단어가 모두 잘못 인식됩니다. 녹취록이 다른 언어로 나온 경우를 참고하세요.
-
올바른 마이크를 선택했나요? ‘설정’ → ‘세션’ → ‘마이크 설정’에서 확인하세요. 연결이 끊긴 Bluetooth 헤드셋이나 분리된 USB 마이크를 잘못 선택하면 Hedy에 소리가 들어오지 않아 녹취록을 제대로 만들 수 없습니다.
품질이 낮다는 문의는 대부분 기술적 문제보다 이 두 설정 중 하나에서 비롯됩니다.
오디오 환경 개선
Hedy는 기기에서 소음 억제, 자동 게인 제어, 에코 제거를 적용하지 않습니다. 다만 시스템 오디오를 캡처하는 Mac에서는 상대가 말할 때 마이크 입력을 낮춰 스피커로 재생되는 상대 목소리가 중복으로 들어가지 않게 합니다. 음성 텍스트 변환에는 기본적으로 마이크가 포착한 오디오가 들어갑니다. 입력 오디오가 깨끗할수록 녹취록도 정확해집니다.
-
마이크를 화자 가까이에 두세요. 4~5명이 참여하는 대면 회의라면 작은 테이블 가운데 휴대전화를 놓아도 충분합니다. 큰 방이나 8명 이상이 모이는 자리, 소음이 많은 환경에서는 여러 기기나 회의용 마이크를 사용하세요.
-
주변 소음을 줄이세요. 선풍기, 에어컨, 주방 가전, 교통 소음, 주변 사람들의 대화는 모두 정확도를 낮춥니다. 문과 창문을 닫고 가능하면 선풍기를 끄세요.
-
노트북 스피커에서 재생되는 소리를 마이크로 녹음하지 마세요. 노트북 스피커로 재생되는 회의나 YouTube 영상의 소리를 캡처하려면 시스템 오디오 캡처 기능을 사용하세요. 화상 회의에서 다른 참가자의 음성이 캡처되지 않는 경우를 참고하세요.
-
동시에 말하지 마세요. 음성이 겹치면 어떤 음성 인식 엔진이든 처리하기 어렵습니다. Hedy는 화자 구분을 시도하지만 여러 사람이 동시에 말하면 정확도가 크게 떨어집니다.
용도에 맞는 음성 인식 서비스 선택
Hedy는 기기 내 음성 인식 옵션 세 가지와 클라우드 제공업체 세 곳(Deepgram, OpenAI, xAI Grok)을 지원합니다. 클라우드 서비스를 사용하려면 각 서비스의 API 키가 필요합니다. 설정 → 음성 및 AI → 음성 인식 옵션에서 옵션을 확인하고 변경할 수 있습니다.
| 제공업체 | 유형 | 적합한 용도 | 제한 사항 |
|---|---|---|---|
| Whisper (로컬), 기본값 | 로컬 | 개인정보 보호가 중요한 경우, 오프라인 작업, 폭넓은 언어 지원, 세션 종료 후 화자 레이블 표시 | 내장 그래픽에서는 느리며, ‘회의/수업 언어’를 사용합니다(자동 감지 없음). |
| Nemotron English Only (로컬) | 로컬(모든 네이티브 플랫폼) | 영어로만 진행되는 회의, 기기 내 화자 레이블 | 영어만 지원하며 다른 언어로 녹취록을 만들 수 없습니다. |
| Nemotron Multilingual (로컬) | 로컬(모든 네이티브 플랫폼) | 약 40개 언어, 기기 내 화자 레이블 | Auto-detect language를 켜지 않으면 ‘회의/수업 언어’를 사용합니다. 이 설정은 강한 단서로 쓰이며 간혹 발음이 비슷한 다른 언어로 인식할 수 있습니다. |
| Deepgram(개인 API 키 필요) | 클라우드 | 이미 Deepgram을 사용하는 경우, 여러 언어 자동 감지 | Deepgram 계정과 API 키가 필요하며, 기기 내에서 처리하지 않습니다. |
| OpenAI(개인 API 키 필요) | 클라우드 | 이미 OpenAI를 사용하는 경우, 언어 자동 감지 | OpenAI 계정과 API 키가 필요하며, 기기 내에서 처리하지 않습니다. |
| xAI Grok(개인 API 키 필요) | 클라우드 | 이미 xAI를 사용하는 경우, 사용자 정의 어휘를 인식 단서로 전송 | xAI 계정과 API 키가 필요하며, 기기 내에서 처리하지 않습니다. |
기본 음성 인식 엔진인 Whisper의 정확도가 충분하지 않다면 다음 방법을 시도하세요.
-
사용하는 언어에 권장되는 엔진을 확인하세요. 음성 인식 제공업체에는 ‘회의/수업 언어’별로 가장 정확한 기기 내 엔진을 정리한 표가 있습니다. 많은 언어에서 Nemotron Multilingual이 가장 정확하지만 일부 언어에서는 대형 모델을 사용하는 Whisper가 더 정확합니다.
-
Mac 또는 Windows PC에서 Whisper의 대형 모델을 사용해 보세요. ‘설정 → 음성 및 AI → 음성 인식 모델’에서 보통 대신 크게를 선택하세요. 특히 영어 이외의 언어에서 더 정확하지만 메모리를 더 많이 쓰고 속도가 느립니다. 휴대전화나 태블릿에 대형 모델 사용 옵션이 있으면 켜세요.
-
같은 오디오를 Nemotron으로 처리해 비교하세요. 영어 이외의 언어를 사용하는 회의에는 ‘Nemotron Multilingual (로컬)’, 영어로만 진행하는 회의에는 ‘Nemotron English Only (로컬)‘를 선택하세요. Apple 기기에서 Nemotron은 Neural Engine에서 실행됩니다. Nemotron Multilingual이 ‘회의/수업 언어’를 사용하도록 Auto-detect language를 꺼 두세요. 자동 감지를 켜면 네덜란드어를 독일어로 인식하는 등 발음이 비슷한 다른 언어로 판단할 가능성이 커집니다.
-
회의 중 언어가 바뀌는 경우 Whisper는 세션 전체에서 한 언어만 사용한다고 가정합니다. Nemotron Multilingual에서 Auto-detect language를 켜면 오디오에 맞춰 언어 변화를 따라갈 수 있습니다. 이미 개인 API 키로 Deepgram 또는 OpenAI를 사용하고 있다면 두 서비스 모두 언어를 자동으로 감지할 수 있습니다.
-
오프라인이나 완전한 비공개 환경이 필요하고 기기에서 Whisper가 느린 경우 Windows에서 GPU 가속을 설정하려면 Windows에서 음성 텍스트 변환이 느릴 때(GPU 설정)을 참고하세요. 모든 네이티브 플랫폼에서 실행되는 Nemotron으로 전환할 수도 있습니다.
고유 명사를 사용자 정의 어휘에 추가
Hedy가 이름이나 기술 용어, 제품명, 업계 전문 용어를 잘못 인식하면 사용자 정의 어휘에 추가하세요.
-
Hedy의 설정을 여세요.
-
개인화 → 사용자 정의 어휘 → 어휘 용어 관리로 이동하세요.
-
사용자 정의 용어 입력…에 용어를 하나씩 입력하고 추가를 누르세요.
-
사용자 정의 어휘 활성화가 켜져 있는지 확인하세요.
사용자 정의 어휘는 로컬 Whisper에 음성 텍스트 변환용 프롬프트로 바로 전달됩니다. 이를 바탕으로 Whisper가 분야별 용어를 인식하고 정확하게 표기할 수 있습니다. Deepgram에도 전달됩니다. 기본 모델인 Nova-3을 사용하면 Hedy가 용어를 키워드로 보냅니다. Deepgram은 받을 수 있는 용어 수가 제한되어 있어 목록이 길면 앞쪽 몇십 개만 전달됩니다. 이 목록은 Nemotron, Deepgram, OpenAI를 포함한 모든 제공업체에서 실행되는 녹취록 정리 과정에서도 오류를 찾아 수정하는 데 쓰입니다.
참고. 사용자 정의 어휘는 로컬 Whisper, Deepgram의 Nova-3, xAI Grok에서 가장 직접적인 효과가 있습니다. Deepgram의 이전 모델인 Nova-2와 Nemotron, OpenAI에는 이 목록이 전달되지 않습니다. 이 경우에도 녹취록 정리 단계에서는 목록을 사용하지만 음성 인식 엔진 자체에는 전달되지 않습니다.
어휘 목록을 잘 만드는 방법은 사용자 정의 어휘 가이드를 참고하세요.
마이크 하드웨어 문제 해결
세션 중간에 오디오 품질이 떨어지거나 특정 화자의 목소리만 들린다면 하드웨어 문제일 수 있습니다.
-
Bluetooth 헤드셋은 배터리가 부족하거나 기기와 멀어지면 음질이 떨어지는 경우가 많습니다. AirPods 및 Bluetooth 헤드폰 소리 끊김을 참고하세요.
-
USB 마이크는 케이블에 문제가 있을 수 있습니다. 다른 USB 포트나 다른 케이블을 사용해 보세요.
-
노트북 내장 마이크는 키보드 가까이에 앉은 한두 사람의 음성을 포착하기에는 충분하지만 회의실에는 적합하지 않습니다.
-
케이스에 넣거나 천으로 덮은 휴대전화에서는 소리가 먹먹하게 들릴 수 있습니다.
간단하게 확인하려면 같은 환경에서 같은 마이크로 음성 메모나 녹음기 같은 기본 앱에서 짧게 녹음해 보세요. 그 녹음의 음질이 좋지 않다면 마이크가 원인입니다.
Hedy가 사용하는 오디오 형식
Hedy는 표준 음성 인식 형식인 16 kHz, 모노, 16비트 PCM으로 오디오를 캡처합니다. 로컬 Whisper와 Deepgram에는 이 형식을 그대로 전달합니다. OpenAI Realtime에는 OpenAI의 요구 형식인 24 kHz로 리샘플링한 뒤 전송합니다. 이 형식들은 음성에는 충분하지만 음악이나 고음질 오디오에는 손실이 생깁니다. 노래를 텍스트로 변환할 때는 결과의 정확도가 높지 않을 수 있습니다.
고객 지원에 문의할 때
위 내용을 모두 확인했는데도 정확도가 떨어지면 다음과 같이 하세요.
-
단어 오류, 누락된 부분, 잘못된 화자 표시, 전혀 알아볼 수 없는 내용 등 구체적인 오류 유형을 기록하세요.
-
오류가 발생한 30초 분량의 샘플을 캡처하세요.
-
샘플과 음성 인식 제공업체 및 언어 설정 정보를 채팅 위젯을 통해 보내 주세요.
대개 환경, 구성 또는 제공업체 중 어디에서 문제가 발생했는지 파악할 수 있습니다.
관련 문서
아직 문제가 있나요? 채팅 위젯으로 사용 중인 제공업체, ‘회의/수업 언어’ 설정, 기기 모델, 문제가 드러나는 샘플을 보내 주세요.