통화 녹음을 글자로 바꾸는 음성 인식(STT)은 녹음된 소리를 아주 짧은 구간으로 나눠 특징을 뽑고, 그 소리에 가장 그럴듯한 단어와 문장을 추정해 텍스트로 만드는 기술입니다. 결과의 정확도는 인식 모델의 성능만큼이나 녹음 상태, 즉 주변 소음과 겹치는 말, 마이크와의 거리에 크게 좌우됩니다. 이 글에서는 음성 인식의 원리와 제로콜에서 녹음이 '대화 내역'이 되기까지의 흐름, 그리고 정확도를 높이는 방법을 정리합니다.
음성 인식(STT)이란 무엇인가요
STT는 Speech-to-Text의 줄임말로, 말소리를 글자로 바꾸는 기술을 말합니다. 사람에게는 이어진 말로 들리지만 컴퓨터가 받는 것은 1초에도 수천 번 기록된 소리 크기 값의 나열, 즉 파형입니다. 음성 인식은 이 숫자 덩어리에서 말의 내용을 거꾸로 찾아내는 일입니다.
처리 과정은 크게 네 단계로 볼 수 있습니다. 먼저 파형을 수십 밀리초 단위의 짧은 구간으로 자르고, 각 구간에서 어떤 높낮이와 울림이 있는지 특징을 뽑습니다. 다음으로 음향 모델이 그 특징이 어떤 발음에 가까운지 확률을 매기고, 언어 모델이 단어가 이어지는 순서가 자연스러운지 따져 가장 그럴듯한 문장을 고릅니다. 요즘은 이 과정을 하나의 신경망이 한 번에 처리하는 방식이 많지만, 소리의 특징과 말의 문맥을 함께 본다는 원리는 같습니다.
제로콜에서 통화 녹음이 대화 내역이 되기까지
제로콜에서는 통화가 끝나면 녹음 파일이 먼저 저장되고, 음성 인식은 통화 종료 후 일정 주기의 배치 처리로 진행됩니다. 개인정보처리방침에 따르면 녹음 음성은 약 3분 주기의 처리 시점에 암호화된 경로로 음성 인식 사업자(Google Cloud Speech-to-Text, OpenAI)에 전달되고, 처리가 끝나면 즉시 삭제됩니다. 그래서 통화 직후 통화 상세에 '녹음 파일을 처리 중입니다'가 보이면 잠시 뒤 다시 확인하면 됩니다.
인식이 끝난 결과는 통화 상세의 '대화 내역'에 고객과 AI·운영자의 대화가 텍스트로 표시됩니다. 녹음은 고객 쪽과 상담원 쪽 채널을 나눠 남기기 때문에, 대화 내역을 내려받을 때 '전체 대화', '내 발화만', '상대방 발화만' 중에서 고를 수 있습니다. AI가 받다가 운영자에게 연결된 통화는 AI 응대 녹음과 운영자 응대 녹음이 따로 남습니다.
음성 인식 결과가 틀리는 대표적인 이유
같은 인식 기술을 써도 통화마다 정확도가 달라지는 이유는 대부분 입력되는 소리에 있습니다. 매장 통화에서 자주 생기는 원인은 다음과 같습니다.
- 주변 소음: 음악, 주방 소리, 차량 소음이 말소리와 섞이면 발음의 특징이 흐려집니다.
- 겹치는 말: 두 사람이 동시에 말하면 한 구간에 두 목소리가 섞여 어느 쪽도 정확히 인식하기 어렵습니다.
- 먼 마이크: 스피커폰으로 통화하면 말소리가 작아지고 방 안의 울림이 함께 녹음됩니다.
- 낯선 단어: 메뉴 이름, 상호, 사람 이름 같은 고유명사는 언어 모델이 자주 본 다른 단어로 바꿔 적기 쉽습니다.
- 숫자와 단위: '이십'과 '이 시', '삼만'과 '삼 만 원'처럼 띄어 읽기와 단위에 따라 다른 숫자로 적힐 수 있습니다.
통화 녹음 텍스트 정확도를 높이는 방법
인식 모델을 사용자가 바꿀 수는 없지만, 통화 습관을 조금 바꾸면 결과가 눈에 띄게 깨끗해집니다. 특별한 장비 없이 바로 해 볼 수 있는 방법입니다.
조용한 곳에서 받기
가능하면 소음원에서 떨어져 받고, 스피커폰보다 휴대폰을 귀에 대거나 이어폰 마이크를 씁니다.
한 사람씩 말하기
고객 말이 끝난 뒤 답하면 말이 겹치지 않아 양쪽 모두 정확하게 남습니다.
중요한 정보는 되읽기
날짜, 수량, 연락처는 '내일 오후 2시, 20개 맞으시죠?'처럼 한 번 더 말하면 기록에 두 번 남습니다.
원본으로 확인하기
금액이나 약속처럼 중요한 내용은 대화 내역만 믿지 말고 녹음을 직접 들어 확인합니다.
요금제와 녹음 설정에 따른 차이
대화 내역(STT)과 요약은 Eco 요금제에서는 제공되지 않으므로, 필요하면 그룹장이 '설정' > '요금제, 결제 관리'에서 플랜을 바꿔야 합니다. 통화 녹음 자체는 그룹장이 '설정' > '그룹 이름 및 통화 설정'에서 켜고 끌 수 있으며, 녹음을 끄면 대화 내역과 요약도 만들어지지 않고 해당 통화는 국외 사업자에게 전달되지 않습니다.
음성 인식 전문은 암호화해 저장되며, 녹음 파일·전문·요약은 통화가 발생한 달의 말일부터 12개월 동안 보관됩니다. 녹음과 대화 내역을 어떻게 찾아보고 활용하는지는 zerocall.kr/shop/features/records 에서 더 볼 수 있습니다.
정리하면, 음성 인식은 소리의 특징과 문맥으로 문장을 추정하는 기술이고, 정확도는 모델보다 녹음 환경에서 더 크게 갈립니다. 조용한 곳에서 한 사람씩 말하고 중요한 정보를 되읽는 습관부터 시작해 보시기 바랍니다.
자주 묻는 질문
통화 녹음 텍스트 변환은 통화 중에 실시간으로 되나요?
제로콜의 대화 내역은 통화가 끝난 뒤 배치 처리로 만들어집니다. 통화 직후 '녹음 파일을 처리 중입니다'가 보이면 잠시 뒤 다시 확인하면 됩니다.
대화 내역이 실제 대화와 다르게 적혀 있어요.
소음, 겹치는 말, 스피커폰 통화, 고유명사가 대표적인 원인입니다. 중요한 내용은 통화 상세에서 녹음을 직접 들어 확인하는 것이 안전합니다.
대화 내역을 파일로 받을 수 있나요?
통화 상세의 '⋮' 메뉴에서 '대화 내역 다운로드'를 누르면 전체 대화, 내 발화만, 상대방 발화만 중 하나를 골라 txt 파일로 받을 수 있습니다.
대화 내역이 아예 보이지 않아요.
Eco 요금제에서는 대화 내역과 요약을 제공하지 않습니다. 또 통화 녹음이 꺼져 있으면 대화 내역이 만들어지지 않습니다.
직접 들어보세요매장 전화를 AI가 받는 모습과 요금을 한 페이지에서 볼 수 있어요.AI 전화응대 보기 →AI 응대 중예시주차 되나요?건물 지하 주차장을 이용하실 수 있어요.