휘슬: 16.9MB 크기의 음성 인식 모델
1. 이게 뭔가요?
휘슬(Whistle)은 스마트폰이나 소형 가전제품처럼 인터넷 연결이 어려운 기기에서도 소리를 글자로 바꿀 수 있는 가벼운 인공지능 음성 인식 모델입니다. 프로그램 파일 크기가 16.9 메가바이트(MB)로 매우 작고, 복잡한 그래픽 카드 없이 일반 중앙처리장치(CPU)만으로도 빠르게 작동합니다. 이 프로그램은 소리를 분석하여 글자로 바꾸는 전사 작업 외에도, 단어마다 시작과 끝 시점 및 정확도를 알려주는 타임스탬프 기능과 음성 신호 자체를 분석용 데이터로 변환하는 기능을 함께 제공합니다.
2. 왜 화제인가요?
기존의 음성 인식 프로그램들은 용량이 크고 무거워 스마트폰이나 소형 기기에서 실시간으로 구동하기가 어려웠습니다. 반면 휘슬은 파일 크기를 대폭 줄이면서도 일반 중앙처리장치에서 매우 빠른 속도로 음성을 글자로 바꿀 수 있어, 인터넷 연결이 불안하거나 외부 서버로 개인 음성 데이터를 보내기 꺼려지는 환경에서도 기기 자체적으로 안전하게 음성 인식 기능을 쓸 수 있습니다.
3. 핵심 내용
휘슬은 최대 30초 길이의 오디오를 입력받아 내부에서 세 가지 작업을 수행합니다. 첫째는 음성을 텍스트로 변환하는 전사 작업이며, 영어와 독일어 등 7개 언어를 지원하고 언어를 지정하지 않으면 자동으로 감지합니다. 둘째는 각 단어의 시작과 끝 시점, 정확도를 함께 알려주는 단어 타임스탬프 기능입니다. 셋째는 음성 신호를 분석용 데이터인 임베딩으로 변환하는 기능입니다. 이 모델은 기존에 나와 있는 니들(Needle)이라는 프로그램과 같은 엔진 위에서 로드되며, 인코더와 디코더 구조를 최적화하여 자원 효율성을 높였습니다. 조용한 소리나 잡음만 있는 경우에는 본격적인 해독을 시작하기 전에 소리 크기 범위를 측정하여 빈 결과물을 돌려줍니다. 애플 엠 포 프로(M4 Pro) 중앙처리장치에서 처리했을 때 비교 대상인 다른 모델들보다 파일 크기가 훨씬 작으면서도 첫 단어가 나올 때까지 걸리는 시간이 짧고 초당 처리할 수 있는 토큰 수가 많아 자원 효율성이 높음을 보여줍니다.
4. 나에게 어떤 영향이 있나요?
일반 사용자는 인터넷 연결이 불안하거나 외부 서버로 음성 데이터를 보내기 꺼려지는 환경에서도 기기 자체적으로 음성을 빠르고 정확하게 텍스트로 변환하는 기능을 이용할 수 있게 됩니다. 스마트폰 앱이나 소형 가전제품에 탑재되어 음성 명령을 즉각적으로 처리하는 데 활용될 수 있습니다. 다만 기기의 하드웨어 사양이나 입력되는 음성의 길이, 언어 조건에 따라 실제 체감하는 처리 속도나 정확도는 달라질 수 있습니다.