한국어 다화자 전사 방식 비교와 웹 서비스
한국어 다화자 대화에서 화자 분리와 음성 인식 조합을 같은 조건에서 견주어 하나를 고르고, 업로드 암호화·소유자 격리·요약 큐를 갖춘 웹 서비스와 외부 에이전트 연동 서버로 운영하고 있습니다.
- 기간
- 2026.10 ~ 현재
- 분류
- 사내
- 역할
- 비교 설계·서비스 구현·운영
화자 분리 후보와 음성 인식 후보를 한국어 대화 시험 세트로 견주었습니다. 지표는 화자 분리 오류율, 화자와 무관한 글자 오류율, 화자별로 이어 붙인 글자 오류율, 실시간 대비 처리 배수, GPU 메모리이고, 목표는 저지연 스트리밍이 아니라 전체 음성을 한꺼번에 처리하는 속도와 정확도로 정했습니다.
후보 비교 결과
그 결과 빠른 일괄 처리용 조합과 정확도 우선 조합을 가려 두었고, 정확도 우선 조합은 실제 대화 시험 세트의 모든 파일에서 앞섰습니다.
통합형 모델은 한 데이터에서 오류율이 가장 낮았습니다.
그러나 처리가 훨씬 느리고 다화자에서 화자 수를 적게 세는 경향이 있어 참고 후보로만 남겼습니다.
채택 기준은 시험 전에 수치로 정해 두었습니다.
후보 비교의 결론
서비스 보안과 처리
서비스는 업로드 즉시 암호화, 소유자별 격리, 컨테이너 권한 제거를 갖추고 보안 점검을 거쳤습니다.
요약은 별도 큐의 워커가 처리합니다.
외부 에이전트가 쓸 수 있게 MCP 서버와 OAuth 2.1 커넥터도 붙였습니다.
서비스 처리 흐름
GPU 작업 통제
GPU 작업은 장비 전체 메모리 사용량의 상한을 정해 지키는 규칙으로 통제하고, 모든 엔진은 컨테이너 안에서만 돌려 의존성 충돌을 분리했습니다.