구글코리아(대표 이원진, http://www.google.co.kr)는 오늘 구글코리아 사무실에서 기자간담회를 갖고 문자 입력 대신 음성으로 검색하는 ‘구글 한국어 모바일 음성검색’ 서비스를 선보였다. 긴 검색어를 입력해야 하거나 걸어가고 있을 때 등 문자 입력이 어려운 상황에서 검색창의 마이크 버튼만 터치하면 손쉽게 이용이 가능한 ‘핸즈프리(hands-free)’ 검색을 구현한다.

구글 음성검색의 특징은 클라우드 컴퓨팅의 빠른 데이터 프로세싱 기술과 정교한 음성 인식 등 구글이 오랫동안 투자해 온 독보적인 기술을 결합해 그 정확성이 매우 뛰어나고 로딩 속도가 매우 빠르다는 것이다. 아울러, 구글의 음성검색은 기계학습 원리로 작동하기 때문에 서비스를 사용하면 할수록 발음, 억양이나 검색어 조합에 관한 정보가 축적되어 더욱 정확한 검색결과를 제공하는 것도 또 다른 특징이다.

▲ 구글코리아 이원진 대표이사가 행사의 오프닝을 맡았다.

전세계적으로 x86 서버를 제작하는 기업 중에서 자체 수요만으로 세계 6위권 서버 벤더라는 평가를 비공식적으로 받고 있는 구글은 직접 제작, 구축하는 서버와 데이터센터를 통해 현존하는 최고의 모바일 운영체제용 클라우드 컴퓨팅 인프라를 안드로이드 운영체제 탑재 단말기를 위해 비축했다. 이로 인해 안드로이드 운영체제를 탑재한 스마트폰은 시중에 나와 있는 어떤 스마트폰 벤더도 갖추지 못한 풍부한 램(RAM)과 프로세싱 파워를 뒷 배경으로 보유하고 있다.

최첨단의 정교한 음성 인식이 이루어지려면 우선 다양한 단어의 조합을 이해하는 언어모델을 저장할 수 있어야 한다. 현재 구글 시스템은 약 100만개 정도의 단어를 인식하고 수백만개의 단어 조합을 ‘이해’하고 있다. 예를 들어, ‘구겐하임 파리 박물관’보다는 ‘구겐하임 빌바오 박물관’이나 ‘구겐하임 뉴욕 박물관’이라고 말할 확률이 더 높다. 이렇게 사용자가 이용할 만한 검색어를 추정하는 데 사용되는 수백만 개의 정보를 활용하려면 현재 모바일 기기 자체의 메모리로는 역부족이다. 때문에 답은 클라우드 컴퓨팅에 있다.

몇 년 후 소형 디바이스 서버가 현재의 구글 서버보다 강력해진다고 하지만 그때쯤 구글 서버는 지금보다 훨씬 파워풀해져 있을 것이다. 또한 미래의 음성인식 기술은 더욱 정교해질 것이며, 결과적으로 지금보다 더욱 많은 프로세싱 파워가 필요할 것이라는 점도 간과해서는 안 된다. 업데이트 빈도 또한 차원이 다르다. 구글 시스템은 살아 있는 유기체처럼 즉각적으로 새로운 데이터를 기존 언어 모델에 반영한다.

구글 시스템은 이러한 클라우드 컴퓨팅 파워를 통해 사용자가 음성 검색어를 휴대폰에 말하는 시점에 이미 관련 검색결과를 제공하기 위해 필요한 모든 정보와 자원이 준비되어 있는 것이다. 만약 이 모든 작업을 클라우드 컴퓨팅 상태가 아닌 휴대폰 기기 자체에서 해야 한다면 매번 음성 인식기를 작동시키기 위해 적지 않은 시간이 소요될 것이며 결과적으로 사용자의 음성 검색 경험은 현저히 저하된다.

▲ 구글코리아 R&D 센터 조원규 센터 사장이 '음성검색'을 설명했다.

▲ 조원규 센터 사장의 프레젠테이션 모습

구글 음성검색 서비스는 지난 2008년에 처음 미국에서 선 보인 이래 출시되는 나라마다 각광 받고 있으며, 영어, 중국어, 일본어, 프랑스어, 독일어, 이태리어, 스페인어에 이어 한국어는 8번째 출시 언어가 됐다.

또한 앞으로도 구글은 휴대폰에 대고 음성으로 말하면 문자나 이메일 등 텍스트로 전환해 주는 문자로 전환해 전송하는 서비스와 다양한 언어간의 음성 교차번역 등 음성검색 기술을 토대로 한 획기적인 응용 서비스를 지속적으로 소개할 예정이다.

구글코리아는 이미 과거 검색어를 보여주는 기능, 단어를 다 완성하기 전에 많이 찾는 검색어를 제안하는 기능 등 쉽고 빠른 입력을 도와주는 서비스는 물론, 웹사이트 바로가기, 우편번호, 영화, 날씨에 대한 요약정보 바로 보여주기 등 검색 결과를 빠르게 보여주기 위한 다양한 기능을 선보여왔다.

조원규 센터 사장은 "스마트폰의 폭발적인 성장세에 힘입어 구글 모바일 트래픽은 단 6개월 동안 10배 가량 증가했다. 구글코리아는 한국 사용자들이 모바일을 편리하게 이용할 수 있도록 다양한 서비스를 출시했으며 특히 오늘 선보인 한국어 음성 검색은 그간 출시된 여러 언어들의 음성검색 서비스 경험을 통해 축적된 기술을 바탕으로 한 것으로, 그 정확도나 로딩속도에 자신이 있다"고 덧붙였다.

▲ 구글코리아 이해민 음성검색 프로덕트 매니저

▲ 음성검색 주요사항 설명과 각종 사례 시연 모습

▲ 시연 후반에 지난 5월 31일에 KT가 공식발표한 프로요 탑재 '넥서스원'의 비공식 데뷔가 있었다.

기자간담회에서 구글코리아 관계자들은 다양한 검색어를 사례로 들며 한국어 음성검색 시연을 진행했다. ‘칼로리 소모가 가장 많은 운동은?’, ‘서울 근교에 수영장 있는 펜션은?’ 등 긴 검색어는 물론, ‘30 유로는 몇 원’, ‘1km는 몇 마일’ 등 숫자와 영어, 한글이 섞여 있어 손으로 입력하기 까다로운 검색어도 음성검색이 가능하다.

넥서스원과 삼성 갤럭시S 등 안드로이드 탑재폰의 경우 제조사에서 원할 경우, 별도의 다운로드가 필요 없도록 서비스를 미리 탑재할 수 있다. 이미 출시된 안드로이드 탑재폰의 경우 안드로이드 마켓에서 음성검색 애플리케이션을 다운로드 받을 수 있게 될 예정이며, 아이폰은 앱스토어에서 구글 모바일 애플리케이션을 다운받아 사용하는 사용자들에게 조만간 음성검색 서비스가 업데이트 될 예정이다.

▲ 구글 리서치 마이크 슈스터(Mike Schuster) 음성인식 총괄 연구원

행사를 위해 방한한 마이크 슈스터 음성인식 총괄 연구원은 사전에 배포한 자료를 통해 음성검색의 주요 배경을 다음과 같이 설명했다.

구글의 음성검색은 2008년 영어 서비스를 시작으로 2009년 중국어와 일본어 서비스를 선보였으며, 약 일주일전에 프랑스어, 이탈리아어, 독일어, 스페인어 서비스가 나왔다. 영어의 경우 한국과 영어 사용국가를 포함해 많은 나라에서 수년간 음성 인식 관련 연구가 진행됐다. 한국어는 영어만큼 보편적이지 않은 것이 사실이다. 그러나 한국어 음성 인식 또한 근본적으로 타언어 인식 시스템과 유사하다. 방법론 자체가 동일하기 때문이다.

좀 더 구체적으로 말하자면, 시스템의 기본 구조는 다양한 통계학 모델, 발음과 관련된 음성학 모델, 단어와 어구 등의 언어 모델, 각 단어의 발음 원칙을 담은 사전을 학습하는 원리로 구성되어 있다. 우선 음성학 모델 학습을 위해 한국어 연설문 녹취와 해당 녹취서를 다량으로 활용했다. 언어 모델은 한국어 검색 쿼리를 이용해 학습했다. 이러한 훈련된 시스템에 음성 검색을 입력하면 가장 연관성 높은 검색어 문구가 해당 검색어의 검색 결과 화면과 함께 제시된다.

마이크 슈스터 음성인식 총괄 연구원은 한국어 음성인식 시스템을 개발하면서 직면했던 도전과제는 다른 아시아 언어에서 발견했던 것들과 유사했다고 밝혔다. 그는 다음과 같이 몇 가지 대표적인 사항을 정리해 공개했다.

1. 한정된 한국어 사전 정보

영어의 경우 낱말과 발음간의 대응을 보여주는 사전이 시중에 많은 반면 한국어는 상대적으로 많지 않다. 따라서 수십만 개의 단어에 대한 발음 맵핑(mapping)을 새로 만들어야 했다. 다행히 15세기에 창제된 한국어는 세계에서 가장 우수하고 심플한 원리를 가진 언어 중 하나이기 때문에 한국어 소리 글자 대응 시스템 구축은 상대적으로 빠르게 진행할 수 있었다.

2. 불규칙한 띄어쓰기

한국어는 일본어나 중국어와 달리 단어마다 띄어쓰기를 한다. 그러나 한국어 검색어를 조사해 본 결과 검색어 입력 시에는 실제 띄어쓰기가 엄격하지 않았다. 이에 따라 어휘 분량 자체를 줄이고자 일본어에서 사용하는 것과 유사한 통계 기법을 활용했는데, 검색어를 기반으로 너무 길다 싶은 단어들은 작은 단위로 끊어서 처리하고 있다.

3. 예외적인 발음 규칙

다른 언어와 마찬가지로 한국어도 발음상의 예외가 많다. 이런 발음들은 즉각 파악할 수 없는 어려움이 있다. 숫자 읽기가 좋은 예인데 자리수 원칙에 따라 읽지 않는 경우가 있다. (2010을 이천십이 아닌 이공일공으로 읽는 경우). “mp3”,  “KBS2”, “삼성 TV” 처럼 영문자와 숫자가 조합된 경우 철자의 읽는 법이 영어와 다른 경우도 있다.

4. 한글 조합과 한자 등 다양한 문자 기준

한글은 자모가 결합돼 하나의 음절을 이룬다. 따라서 하나의 글자 안에는 24개 철자 중 최소 2개 이상의 자모가 들어가야 한다. 최소한 하나 이상은 자음이고 하나는 모음이다. 일반적인 ASCII 문자를 포함할 경우 이러한 자모의 결합을 통해 생기는 기본 글자 조합은 1만개가 넘는다. 여기에 한자까지 생각하면 그 수는 엄청나다. 이를 위해 우리는 표준 유니코드를 사용해 모든 글자를 반영하도록 하였고 수 많은 기본 글자를 처리할 수 있도록 일부 툴을 수정하기도 했다.

5. 영어와 한글이 함께 들어간 음성 검색어

일부 한국어 발음의 경우 같은 영어 표현도 영어식으로 읽는 경우가 있다. (예를 들어 “ncis 시즌 육”이 아니라 “ncis 시즌 식스”). 이는 시스템 훈련 과정에서 어느 쪽이든지 한쪽의 기준을 잡아 처리하기 힘든 문제가 발생한다. 이럴 땐 사용자가 스마트폰에서 올바른 결과 페이지를 찾는지 여부를 추정해 처리하도록 했다.

6. 흔치 않은 낱말 인식

음성 인식기는 보통 검색 화면에 많이 등장하는 검색어에 능하다. 예를 들어 도시명, 가게, 주소, 잘 알려진 약어나 제품 모델명,“김연아” 선수와 같은 유명 인사들이 그렇다. 그러나 일반인의 이름처럼 검색에서 잘 쓰지 않는 고유명사는 알아듣기 힘들다. 이에 대해서는 지속적인 개선 작업을 하고 있다.

7. 개인별 발음 차이

사람들마다 발음이 다양하다. 말하는 속도도 차이가 있고 억양과 높낮이도 다르다. 이러한 다양한 조건 차이를 극복하기 위해 가급적 다양한 상황을 반영할 수 있도록 여러 소스에서 뽑은 데이터를 바탕으로 시스템을 훈련시켰다.

▲ 기자간담회의 마지막은 인터뷰 세션이 장식했다. 오간 내용은 복기 수준.