AI 음성-텍스트 변환이 사투리와 억양을 잘 못 알아들으면 도구가 안 좋다고 단정하지 말자. 대부분 언어 설정, 녹음 품질, 말하는 방식 세 가지가 맞지 않은 것이며, 이를 맞추면 인식률이 눈에 띄게 회복된다.
첫째: 언어와 사투리 설정
전사 도구가 표준어로 설정되어 있는지, 해당 사투리로 설정되어 있는지 확인한다. 많은 도구는 기본적으로 표준어만 켜져 있어 사투리 내용을 표준어 모델로 억지로 인식시키면 당연히 부정확하다. 사투리를 지원하는 도구는 해당 사투리 옵션으로 직접 전환하고, 지원하지 않는 도구는 사투리 전사에 강한 제품으로 먼저 한 번 처리한 뒤 범용 도구로 교정한다.
둘째: 녹음 품질
거리, 시끄러운 환경, 여러 사람의 동시 발화는 모두 인식률을 떨어뜨린다. 말하는 사람을 마이크 가까이 두게 하고, 배경 TV와 음악을 끄고, 한 번에 한 사람만 말하게 하며, 녹음을 먼저 들어 음성이 또렷한지 확인한 뒤 전사한다. 전화 녹음이나 회의실 원거리 수음 자체가 인식이 어려운 소재이므로 이런 소재에 100퍼센트 정확도를 요구해서는 안 된다.
셋째: 말하는 방식과 사후 교정
말이 너무 빠르거나, 음절을 삼키거나, 전문 용어가 많으면 모델이 추측하게 된다. 전사 전에 말하는 사람에게 조금 천천히 말해 달라고 하고, 전문 용어는 처음 나올 때 풀네임으로 말해 달라고 한다. 전사 뒤에는 그대로 쓰지 말고 원본과 대조해 들으면서 특히 틀리기 쉬운 네 가지, 즉 인명, 지명, 숫자, 전문 용어를 중점적으로 교정한다. 특정 구간이 반복해서 오인식되면 그 구간만 잘라 다시 처리하거나, 해당 사투리를 지원하는 다른 도구로 그 구간만 따로 처리한다.
도구를 고르기 전에 세 가지 능력을 먼저 본다
전사 도구를 고르기 전에 세 가지 능력을 확인한다. 필요한 사투리를 지원하는지, 여러 화자를 분리하는지, 타임스탬프가 있는 텍스트로 내보낼 수 있는지이다. 사투리 지원이 쓸 수 있는지를 결정하고, 화자 분리가 여러 사람 회의 기록을 사람별로 제대로 매길 수 있는지를 결정하며, 타임스탬프가 교정할 때 원본 음성으로 빨리 이동할 수 있는지를 결정한다. 세 가지 모두 없어서는 안 되며, 광고된 인식률 숫자만 보고 고르면 잘못 사기 쉽다.
