화자 인식Speaker Recognition

내용이 아니라 사람을 봐요

같은 소리를 놓고도 무엇을 볼지는 갈려요. 받아쓰기는 말의 내용만 남기고 목소리의 결은 버려요. 화자 인식은 정반대로, 내용은 버리고 목소리의 결만 남겨요. 그래서 처음 듣는 문장이어도, 심지어 모르는 말이어도 사람을 가려낼 수 있어요.

목소리의 결은 몸의 생김새에서 나와요. 목청의 길이와 두께, 입안과 코안의 공간, 혀와 입술을 움직이는 습관이 겹쳐 사람마다 다른 무늬를 만들어요. 소리 그림에서 줄무늬의 간격과 그 위에 얹히는 울림의 모양이 그 무늬예요.

말버릇도 단서가 돼요. 말의 빠르기, 끝을 올리는 습관, 쉬는 자리 같은 것들이에요. 다만 이런 것은 상황에 따라 잘 바뀌어서, 몸에서 오는 특징만큼 믿지는 않아요.

숫자 묶음으로 바꿔 견줘요

목소리를 통째로 견주는 게 아니에요. 몇 초짜리 녹음을 소리 그림으로 펼친 뒤, 그 사람의 특징만 남긴 숫자 묶음 하나로 압축해요. 이 묶음은 같은 사람이면 무슨 말을 하든 비슷한 자리에 놓이고, 다른 사람이면 멀찍이 떨어지도록 학습돼 있어요.

등록은 이 묶음을 만들어 저장하는 일이에요. 나중에 들어온 목소리도 같은 방식으로 묶음을 만들고, 두 묶음이 얼마나 가까운지를 재요. 비교되는 것은 소리 자체가 아니라 이 숫자 묶음이에요.

그래서 등록할 때 몇 마디만 녹음해도 되고, 나중에 완전히 다른 문장을 말해도 알아봐요. 등록 문장을 정해 두고 그 문장만 받는 방식도 있는데, 이 경우 정확도가 오르는 대신 녹음해 두었다가 다시 트는 공격에 약해져요.

두 가지 실수는 맞바꿈이에요

닮음 점수에는 문턱이 하나 있어요. 이 문턱을 어디에 두느냐가 서비스의 성격을 정해요. 낮게 두면 본인은 편하게 통과하지만 목소리가 비슷한 남도 함께 통과해요. 높게 두면 남은 막히지만 본인도 자주 막혀요.

한쪽을 줄이면 다른 쪽이 늘어요. 그래서 무엇을 지키는지에 따라 다르게 잡아요. 스피커에게 말을 걸어 노래를 트는 정도라면 느슨해도 괜찮지만, 돈이 오가는 자리라면 훨씬 빡빡하게 잡고 다른 확인 수단을 함께 써요.

실수의 부담이 모두에게 같지도 않아요. 학습에 적게 쓰인 목소리, 이를테면 나이가 아주 많거나 적은 사람, 특정 지역 말투를 쓰는 사람은 같은 문턱에서도 더 자주 막혀요. 문턱 하나가 누구에게는 불편으로, 누구에게는 문 앞에서 늘 실랑이하는 일로 돌아와요.

잘 흔들려요

감기에 걸리면 목소리가 달라져요. 아주 피곤하거나 목이 쉬어도 그렇고요. 마이크를 바꾸거나 전화를 거쳐 들으면 소리의 결 자체가 눌려서 점수가 떨어져요. 등록은 조용한 방에서 하고 사용은 길에서 하는 상황이 대표적으로 어려운 경우예요.

여럿이 함께 말하는 자리도 어려워요. 회의 녹음에서 누가 언제 말했는지 구간을 나누는 일은 따로 다루는데, 말이 겹치는 구간에서 특히 자주 틀려요. 아주 닮은 목소리, 특히 한 가족이나 쌍둥이는 사람도 헷갈리듯 기계도 헷갈려요.

목소리는 바꿀 수 없어요

여기가 가장 조심할 자리예요. 비밀번호는 새어 나가면 바꾸면 되지만, 목소리는 바꿀 수 없어요. 한 번 모인 목소리 기록은 평생 같은 사람을 가리켜요. 그래서 목소리는 지문과 같은 생체 정보로 다뤄지고, 많은 나라에서 모으고 보관하는 데 별도의 동의와 보호 조치를 요구해요.

흉내 낸 목소리에 뚫릴 위험도 커졌어요. 짧은 녹음만으로 남의 목소리를 그럴듯하게 만들어 내는 도구가 흔해졌으니까요. 그래서 목소리 하나만으로 본인을 확인하는 방식은 점점 위험해지고 있고, 살아 있는 사람이 지금 말하고 있는지를 함께 살피거나 다른 확인 수단을 겹쳐 쓰는 쪽으로 옮겨 가고 있어요.

쓰는 쪽에서도 챙길 것이 있어요. 녹음을 그대로 쌓아 두지 않고 숫자 묶음만 남기기, 어디에 얼마나 보관하는지 알리기, 지우고 싶을 때 지울 수 있게 하기 같은 것들이에요.