음성 인터페이스가 상호작용을 민주화하는 방식: 트렌드, 기술, 시장 성장

음성 제어는 타이핑과 포인팅을 불필요하게 만드는 인간-기계 상호작용의 중추적 돌파구로 찬사받아 왔습니다. 초기 시도는 스마트 스피커가 음성 명령의 진정한 잠재력을 입증할 때까지 정체되었습니다. 오늘날 인식 정확도, 기능 세트, 애플리케이션 폭의 급속한 발전으로 음성 인터페이스가 스마트폰, 헤드셋, 히어러블(hearables), 스마트홈 기기로 확산되고 있습니다. 여전히 주요 솔루션은 소수 대형 플랫폼 제공업체에 의존하지만, 지형은 변화하고 있습니다. 음성 활성화는 점점 더 기기에 내장되어 커스터마이징, 우수한 내노이즈, 저전력 소비, 확장된 범위, 업계 선두와 동등한 성능을 제공합니다.

(출처: CEVA/Shutterstock)

퓨처소스(FutureSource)에 따르면 컨슈머 오디오 시장은 2008~2012년 오디오 경험이 주로 스마트폰으로 이동하며 하락했습니다. 2012~2014년 성장이 정체되었으나 2015~2018년 음성 활성화에 힘입어 15% CAGR로 반등했습니다. 욜 디벨로프망(Yole Développement) 전망에 따르면 2023년까지 최소 30% CAGR이 지속될 것으로, 주로 음성 인식이 주도합니다. 이 확장의 대부분은 스마트폰에 집중되며, 그 뒤를 헤드셋, 히어러블, 개인 비서, TV·주방 기기 같은 스마트홈 가전이 잇습니다. 보고서는 소비자가 이 상호작용 모드에 더 익숙해짐에 따라 음성 제어가 점점 더 보편화되는 새로운 스마트 오디오 시대의 도래를 강조합니다.

모든 배포에서 목표는 차별화입니다. 스마트폰 같은 배터리 구동 기기는 상시 청취(always-on listening)로 수동 트리거를 불필요하게 만들어 명확한 이점을 얻습니다. 이를 위해서는 초저전력 트리거 워드 감지가 필요하며, 하드웨어와 소프트웨어의 긴밀한 결합으로 대기 소비를 최소화해야 합니다. 브랜드 맞춤형 트리거 워드(다국어 지원)는 지역 침투율과 글로벌 도달 범위를 높입니다. 일부 시스템은 후속 명령을 주류 음성 인식 서비스로 전달하지만, 필요 어휘가 제한적이면 온디바이스 엔진만으로도 충분합니다.

두 번째 핵심 요건은 음향적으로 까다로운 환경에서의 강건한 인식(종종 인증 포함)입니다. 음성 인식은 객체 인식과 다른 독특한 과제에 직면합니다. 거실이나 차량 환경에는 대화, TV, 음악, 라디오, 주변 소음, 표면 반사 등 수많은 동시 음원이 존재합니다. 명령어를 효과적으로 분리하고 에코를 억제하며 배경 소음을 감쇄하려면 다중 마이크, 빔포밍, 에코 캔슬레이션, 노이즈 억제 등을 활용한 고급 솔루션이 필요합니다.

이러한 과제는 CEVA 같은 기존 솔루션으로 해결됩니다. 새로 출시된 CEVA 휘스프로(WhisPro™) 구문 인식 엔진은 CEVA DSP상의 신경망 소프트웨어로 구동되며 이미 "알렉사"와 "OK 구글"을 트리거 구문으로 지원하고 임의 커스텀 트리거로 재학습 가능합니다. 다국어, 다중 동시 트리거 지원, 다양한 노이즈 환경에서 학습됩니다. 결과적으로 휘스프로는 클라우드 검증 없이 95% 이상 인식 정확도와 시간당 1회 미만의 허위 수락률을 달성합니다.

CEVA 클리어복스(ClearVox™) 전용 음성 픽업 모듈과 결합하면 개발자는 다중 마이크 지원, 원거리 포착 향상 빔포밍, 고급 에코 캔슬레이션과 노이즈 리덕션을 얻습니다. 휘스프로 + 클리어복스 통합으로 소음 환경에서도 최대 7미터 거리에서 경쟁력 있는 트리거 인식이 가능합니다.

유발 나훔(Youval Nachum)은 CEVA의 오디오 및 음성 제품 라인 수석 제품 마케팅 매니저입니다. 마케팅, 시스템 아키텍처, ASIC, 소프트웨어 도메인을 아우르는 20년 이상의 다학제적 경험을 보유하며 선도 기술 기업에서 활동했습니다. 장기 트렌드 예측과 기술 프로그램의 성공적 완수를 주도하는 것에 열정적입니다. 시장 요구사항, 제품 정의, 산업 표준, 설계 혁신을 혁신적 제품으로 결합하는 데 높은 숙련도를 보입니다. 테크니온-이스라엘 공과대학 전기공학 학사·석사.