음성으로 조작하는 제품 - 인식률은 모델이 아니라 마이크 앞에서 결정됩니다

"말로 조작되게 해주세요." 스마트 제품 상담에서 점점 자주 듣는 요구입니다. 손이 자유롭지 않은 주방과 작업 현장, 화면을 보기 어려운 상황에서 음성은 가장 자연스러운 조작 수단이고, 음성 인식 기술 자체는 이미 충분히 성숙해 있습니다. 그런데 이 성숙한 기술을 가져다 만든 제품이, 조용한 개발실에서는 완벽하다가 사용자의 거실과 주방에서는 못 알아듣는 제품이 되는 일이 반복됩니다.

결론을 먼저 말씀드리면, 음성 조작 제품의 인식 품질은 AI 모델이 소리를 받기 전, 사용자의 목소리가 마이크에 담기는 그 순간에 대부분 결정됩니다. 아무리 좋은 모델도 뭉개지고 소음에 묻힌 소리에서 명령을 건져낼 수는 없습니다. 음성도 결국 제품이 측정해야 하는 하나의 신호이며, 측정형 제품들이 그랬듯 "신호가 센서까지 도달하는 경로"의 설계가 성패를 가릅니다. 이 글에서는 그 경로를 이루는 결정들을 정리합니다.

사용자의 목소리가 마이크에 온전히 담기는가가 모든 인식의 출발점입니다.

목소리가 모델에 도달하기까지의 경로

첫 번째 결정은 마이크의 구성입니다. 마이크 하나는 소리의 크기만 담지만, 여러 개의 마이크를 간격을 두고 배치하면 소리가 어느 방향에서 왔는지를 구분할 수 있고, 이 방향 정보가 사용자의 목소리와 주변 소음을 분리하는 재료가 됩니다. 몇 개의 마이크를 어디에 배치할지는 제품이 놓이는 위치와 사용자가 말을 거는 방향에 따라 정해지며, 이것은 기판 배치와 케이스 형상에 함께 반영되어야 하는 초기 결정입니다.

두 번째는 마이크 구멍과 그 뒤의 길입니다. 무선 제품의 안테나가 케이스에 들어가는 순간 성능이 달라지듯, 마이크도 케이스의 구멍 크기, 깊이, 방수막의 유무에 따라 담기는 소리가 달라집니다. 구멍이 좁고 길면 소리가 깎이고, 조립 틈으로 소리가 새어 들면 방향 구분이 흐트러집니다. 세 번째는 제품 자신의 소리입니다. 스피커의 울림, 팬과 모터의 진동이 기판과 케이스를 타고 마이크로 흘러들면, 마이크는 사용자보다 제품 자신의 소리를 먼저 듣게 됩니다. 스피커와 마이크의 거리, 진동을 끊는 부드러운 지지 구조가 온도 측정에서의 열 분리와 같은 역할을 여기서 합니다.

부르는 말과 기다리는 상태의 설계

음성 제품은 사용자가 부르기 전까지 기다립니다. 이 기다림을 여는 열쇠가 호출어입니다. 호출어는 짧고 흔한 말일수록 일상 대화에 반응해 제멋대로 깨어나고, 길고 어색한 말일수록 사용자가 부르기를 꺼리게 됩니다. 발음이 또렷하게 구분되면서도 부르기 민망하지 않은 호출어를 정하는 일은 마케팅과 기술이 함께 결정할 브랜드의 문제이기도 합니다.

그리고 "항상 듣고 기다리는" 구조는 두 가지 설계와 만납니다. 하나는 전력입니다. 호출어를 기다리는 감지는 기기 안의 작은 회로가 최소한의 소모로 상시 수행하고, 호출된 뒤의 무거운 처리만 본체가 깨어나 맡는 구조가 배터리 제품의 기본기입니다. 다른 하나는 신뢰입니다. 호출되기 전의 소리는 기기 밖으로 나가지 않는 구조, 그리고 마이크가 듣고 있는 상태를 사용자가 눈으로 확인할 수 있는 표시와 물리 스위치는, 앞서 다룬 데이터 신뢰 설계가 음성 제품에서 갖는 구체적인 모습입니다.

듣고 있음과 알아들었음을 빛으로 보여주는 것은 화면 없는 음성 제품의 언어입니다.

못 알아듣는 제품과 아무 때나 반응하는 제품 사이

AI 기능의 오류에 두 방향이 있다는 관점은 음성에서 가장 생생하게 드러납니다. 불렀는데 대답 없는 제품은 답답하고, 부르지 않았는데 끼어드는 제품은 불쾌합니다. 어느 쪽을 더 엄격하게 볼지는 제품의 성격이 정합니다. 조명을 켜는 명령은 한 번 놓쳐도 다시 말하면 되지만, 무언가를 주문하거나 삭제하는 명령은 잘못 알아들었을 때의 대가가 크므로 확인을 거치는 편이 안전합니다. 명령마다 "틀렸을 때 무슨 일이 생기는가"를 기준으로 반응의 문턱을 다르게 설계하는 것입니다.

그리고 실패의 순간을 위한 응답이 필요합니다. 화면 없는 제품이라면 빛과 소리가 그 역할을 맡습니다. 듣고 있다는 표시, 알아들었다는 확인, 못 알아들었으니 다시 말해 달라는 신호가 구분되어야, 사용자는 침묵 앞에서 같은 말을 불안하게 반복하지 않습니다. 디스플레이 없는 기기의 정보 전달을 다뤘던 빛·소리·진동의 설계가, 음성 제품에서는 인식 결과의 응답이라는 형태로 다시 등장하는 것입니다.

검증은 실제 소음의 한가운데에서

• "거리와 방향": 바로 앞만이 아니라 방 건너편에서, 옆에서, 등 뒤에서 불렀을 때의 인식을 확인합니다. 사용자는 제품 정면에 서서 말하지 않습니다
• "생활 소음": 텔레비전 소리, 조리 소음, 여러 사람의 대화가 흐르는 조건에서 목소리가 분리되는지 확인합니다. 조용한 방의 인식률은 출발선일 뿐입니다
• "다양한 목소리": 성별과 연령, 말의 빠르기와 사투리가 다른 여러 사용자의 목소리로 확인합니다. 개발자의 목소리에만 최적화된 제품은 시연에서만 완벽합니다
• "조립 상태의 확인": 다른 측정형 제품들과 마찬가지로, 마이크 단독 성능과 케이스 조립 후 성능을 비교해 구멍과 유로가 소리를 깎고 있지 않은지 확인합니다

판단 기준은 한 문장입니다

"우리 제품이 놓일 가장 시끄러운 순간에도, 사용자가 두 번 부르지 않게 할 수 있는가." 이 질문은 모델의 선택보다 마이크의 배치, 케이스의 구멍, 진동의 분리, 호출어의 선택, 실패 응답의 설계로 답해집니다. 음성 인식은 소프트웨어처럼 보이지만, 좋은 음성 제품은 언제나 하드웨어 설계의 결과물입니다.

겉으로는 매끈한 원통이지만, 그 안에는 소리의 경로가 정밀하게 설계되어 있습니다.

제언: 음성 기능은 모델 선정이 아니라 소리의 경로 설계입니다