Cochl이 들려주는 AUDIO & AI

Gallery view

아이폰, 애플워치 그리고 픽셀 버즈 - 새로운 소리 감지 기능을 가지고 어떤 걸 해볼 수 있을까요?

(원문 : Amazon, Google and Apple recently Enabled Their Products To “Listen” for These 3 Reasons, 저자 : 이수영, 번역 : 장민서)

어두운 밤길 뒤에서 들려오는 걸음 소리를 신경 써본 경험이 있을 거예요. 막 잠자리에 들기 위해 누웠는데 침실 밖에서 들리는 소리에 신경이 곤두서본 적도 있을 거고요. 밤이라 잘 보이지 않을 때나 혹은 집에 혼자 있을 때, 주변 환경을 파악하기 위해서 소리에 집중하는 경우가 종종 있습니다.

하지만 우리가 좀 산만한 상황에 놓여있다면 어떨까요? 큰 헤드폰을 쓰고 음악을 듣고 있을 때 노크 소리가 잘 들리던가요? 혹은 노이즈캔슬링 모드를 틀어놓고 걷다 보면 뒤에서 차가 빵빵거리는 소리도 잘 듣지 못합니다. 만약 청력을 잃은 경우면 어쩌죠? 제가 집을 비운 사이 우리 집 개가 짖어 이웃 주민이 화가 난 경우에는요?

2019년을 시작으로 Amazon, Google 그리고 Apple은 앞다투어 소리 탐지 기능을 출시했고, 크게는 3가지를 목적으로 했습니다.

#1. 주택 방범: 부재 시 스마트 스피커가 대신 의심스러운 행동을 감시해줍니다.

2019년 5월 Amazon이 Alexa Guard를 출시하면서 Amazon Echo 스피커에 “알렉사, 나 지금 떠나 (Alexa ,I’m leaving)"라는 명령어를 추가했습니다.

Amazon, Google 그리고 Apple이 최근 자사 제품에 ‘귀'를 달아준 3가지 이유

보안 장비가 물리적 위협을 실시간으로 탐지하기 위해 “듣는” 방법은?

(원문 : How Security Devices “Listen” To Detect Physical Threats Real Time, 저자 : 이수영, 번역 : 장민서)

아래 상황을 한 번 상상해보세요. 한밤중 1.8m 정도의 키를 가진 남성이 티셔츠와 반바지 차림으로 텅 빈 길가를 걷고 있습니다. 그리고 근처에서 울리는 총성을 듣게 되었죠. 그는 혼비백산하여 소리를 지르며 달리기 시작합니다.

아무도 다치지 않았지만, 그 학생은 물리적 위협에 직면한 상황이었습니다.

이런 상황을 그저 CCTV를 통해 동영상으로 봤다면 위협적이라고 생각이 들었을까요? 그저 밤에 조깅하는 사람으로 비치지 않았을까요?

인간의 한계에 대한 인식

보안 영역에서 의심스러운 행동이나 범죄를 감지하는 데 있어 영상 모니터링이 때로는 아주 중요한 역할을 합니다.

하지만 사람이 모든 걸 보고 탐지해내는 것은 불가능하죠. 사람이 정확하게 의심스러운 행적들을 발견하게 만드는 걸 방해하는 요소들이 존재합니다: 너무 많은 수의 화면을 봐야 하는 경우나, 위급상황의 정도나, 카메라의 대역폭이나 혹은 CCTV가 있는 공간의 환경 등 말이죠.

결국에 이러한 제한 요소들 때문에 이미 일어난 범죄에 대해 사후 조사를 진행할 때 주로 영상 판독이 진행됩니다.

연구에 따르면 대다수의 총격 사건은 보고되지 않습니다. 경찰들도 그들이 알지 못하는 사건에 대해서는 효과적으로 대응할 수 없습니다.

보안 장비가 물리적 위협을 실시간으로 탐지하기 위해 “듣는” 방법은?

헬스케어 분야 내에서의 가능성과 중요성에 대하여

(원문 : Sound Analysis in Healthcare, 저자 : 이수영, 번역 : 장민서)

소리는 시각 정보만큼이나 많은 의학적 정보를 포함하고 있습니다. 누군가의 목소리를 들으면 그 사람이 아픈지 바로 알 수 있기도 하고, 기침이나 재채기는 감기의 명백한 증상 중 하나죠.

질병 진단 및 검진에 있어 소리 분석을 사용한 학술적 연구가 존재합니다. 많은 연구에서 오디오를 통해 알 수 있는 명백한 정보들이 있지만, 이는 통제된 특정 조건에서만 발생한다는 전제조건이 있습니다. 통제된 조건으로 정보를 찾을 수 있는 것 또한 중요합니다만 여전히 실생활에 반영하기에는 매우 제한적입니다. 보통은 증상들이 사소하거나, 모호하거나, 혹은 개개인에 따라 매우 다를 수 있기 때문입니다.

그러나, 최근 진보된 머신러닝 기술은 헬스케어 분야를 아주 빠르게 변화시키고 있습니다. 실제로도 작동 가능한 웨어러블 장치라던가 휴대폰 등을 이용한 헬스케어 서비스들이 출시되었기 때문입니다. 소리가 아직은 많이 알려진 분야는 아니지만 그런데도 흥미로운 서비스나 어플리케이션들은 계속해서 출시되고 있습니다.

그럼 소리는 어떠한 정보들이 숨겨져 있고, 소리 분석을 통해 우리는 어떤 것들을 알아낼 수 있을까요?

음성 (Speech)

음성은 누군가의 상태를 알아차릴 수 있는 가장 쉬운 단서입니다. 주로 신체적인 변화에 있어 좀 더 두드러진 점을 나타내지만, 정신 건강 또한 음성에 영향을 줄 수 있습니다. 음성 분석을 통해 상대적으로 명백하게 알 수 있는 질병들은 아래와 같습니다.

•

파킨슨병 (Parkinson’s disease / PD)

•

알츠하이머 (Alzheimer’s disease / AD)

헬스케어 분야에서의 사운드 분석

어떻게 사운드 분석이 도시가 소음 공해를 해결하는 것을 도울 수 있을까요?

(원문 : Tackling Noise Pollution with Machine Listening, 저자 : 이수영, 번역 : 장민서)

소음 공해의 주요 원인

소리는 우리 주변에서 발생하는 아주 자연스러운 것입니다. 하지만 소리가 원치 않는데도 들린다던가, 너무 크다면 이는 소음 공해로 이어집니다. 소음 공해는 인간과 다른 유기체의 건강과 웰빙에 영향을 줄 수 있는 원치 않는 짜증 요소입니다.

소리는 데시벨이라는 단위로 측정됩니다. 40~60데시벨 사이라면 받아들일 수 있는 정도의 소리로 분류되지만, 그 이상이라면 소음으로 간주합니다. 적당한 수준 이상의 소리는 소음 공해로 간주하며, 85데시벨 이상의 소리는 사람의 귀에도 영향을 줄 수 있습니다.

대표적으로 소음으로 분류되는 소리는 다음과 같습니다: 교통 소음 (70데시벨), 잔디 깎기 (90데시벨), 지하철 소리 (90~115데시벨), 차 경적 (100데시벨). 도시에서 들을 수 있는 다른 소음이라고 하면 길가에서 들리는 큰 음악 소리나 혹은 건물 공사 소리 정도가 있겠네요.

소음 공해는 우리 생각보다 훨씬 더 위험 합니다.

소음 공해는 공중위생에 영향을 줄 수 있는 환경적 위협 중 하나로 분류됩니다. WHO (세계보건기구)에서는 소음을 과소 평가된 위협 중 하나로 보는데 이는 우리의 건강에 단기, 장기적인 영향을 줄 수 있기 때문입니다. 가장 빈번하게 일어나는 문제 중 하나는 난청입니다. 큰 소리에 계속 노출이 된다면 고혈압, 심장병, 불면증, 스트레스 등의 질병을 겪을 수 있습니다. 이런 건강상의 문제는 모든 나이대에 발생할 수 있으며, 특히나 어린이들에게 많은 영향을 줄 수 있습니다.

머신 리스닝을 통해 소음 공해 해결하기

사람들에게 듣는 것은 쉬운 일이지만, 컴퓨터에겐 아직 어려운 일이랍니다.

(원문 : What is Machine Listening? (Part 1), 저자 : 한윤창, 번역 : 장민서)

인간의 기본 오감 중 하나인 청각

여행을 떠났을 때 저를 주로 침대에서 일어나게 만드는 건 창문을 통해 들어오는 햇살입니다. 그런데 다시 생각해보면 제가 ‘아, 여기 집이 아니구나'라고 느끼게 되는 건 익숙지 않은 새 소리가 들린다거나 묘하게 익숙하지 않은 베개 높이 인 것 같기도 해요.

청각은 사람들이 가진 기본적인 오감 중 하나입니다. 살아가면서 자연스럽게 우리가 가진 청각을 활용하게 되는데 정작 청각 자체를 눈으로 볼 수 없기 때문에 얼마나 중요한 감각 중 하나인지는 잊어버릴 때가 있습니다. 우리는 다른 사람과 이야기를 나누거나 다른 환경에서 나오는 자연스러운 음성 정보를 바탕으로 이 세상을 느끼고 인지합니다.

아마 음성 인식은 소리 인식 기술 중 산업 내에서 가장 널리 사용되고 있는 기술로 이를 통해 사람들은 컴퓨터와 좀 더 자연스럽게 대화할 수 있게 되었습니다. 예전에는 컴퓨터가 사람의 말을 이해하는 것을 굉장히 어려워했지만, 2010년을 기점으로 현대 딥러닝 기술이 등장하며 기술 수준이 급격하게 올라갔습니다.

기존에는 해당 도메인의 전문 엔지니어들이 직접 설계한 규칙을 기반으로 학습이 되었다면, 고급 딥러닝 방법을 바탕으로 다양한 기술의 수준이 빠르게 성장하였고 AI 시스템들은 사물을 인식하고 사람들의 말을 이해하는 수준까지 올라왔습니다.

컴퓨터의 청해 능력은 음성 인식 정도에 아직 머물러 있긴 합니다.

컴퓨터 비전, 자연어 처리, 음성 인식은 인공지능 분야에 있어 정말 중요한 기술들입니다. 그러나 여기서 우리는 한가지 간과하고 있는 부분이 있습니다 - 바로 ‘소리'입니다. 음성은 소리(sound)입니다. 우리가 매일 듣고 있는 다양한 소리를 생각해보세요. 그러나 여전히 기계들은 본인들 주변에서 발생하고 있는 다양한 소리를 잘 이해하지 못합니다. 몇 가지 예시를 들어보겠습니다.

Machine Listening이란 무엇일까요? (Part 1)

음악, 가장 특별한 소리 중 하나

(원문 : What is Machine Listening? (Part 2), 저자 : 한윤창, 번역 : 장민서)

음악은 예술이지만, 아주 과학적인 예술입니다.

음악은 먼 옛날부터 사람들의 곁에서 함께 해왔습니다. 여기서 음악이 무엇인지 정의할 필요는 없지만 어쨌거나 멜로디나 리듬이 느껴지는 모든 소리는 통상적으로 음악이라고 여겨집니다. 음악을 통해 항상 기쁨을 느끼지 않는다고 해도 어떤 특정 감정을 느끼게 되는 건 말할 것도 없습니다.

음악이 우리와 함께 해왔음은 원시시대의 유물들을 통해서도 알 수 있습니다. 인류 최초의 손도끼가 170만년 전, 그리고 창이 50만년 전에 등장했는데 악기 또한 4만년 전에 처음 등장했다는 것을 추론할 수 있습니다. - BBC Earth, 2014

인류 최초의 손도끼와 창보다는 상대적으로 가깝게 느껴지지만 어쨌거나 4만년도 굉장히 먼 옛날이긴 합니다.

음악은 예술이지만 인간들에 의해 많은 규칙들을 부여받았습니다. 음악 정보 검색 기술(Music information retrieval, MIR)은 다양한 신호 처리와 머신 러닝 기술들을 통해서 음악을 보다 과학적으로 분석하고 정량화 하는 학문입니다. “검색(retrieval)”이라는 단어가 포함되어 있지만, 더 넓은 범위에서 음악 합성(music synthesis), 생성(generation), 그리고 음악 인터페이스(musical interface)등을 함축하고 있습니다.

융복합적인 주제를 다루고 있기 때문에 음악과 신호 처리에 대한 높은 이해 수준이 필요합니다. 대부분이 현대 서구권 음악 구조를 따르고 있으며, 음악 정보 검색 기술에 대해 몇 가지 예시를 들어 보겠습니다.

음악 정보 검색 기술 더 들여다 보기

이름에서 무슨 의미를 가졌는지 바로 알 수 있지만, 각 주제별로 간단하게 설명 드리겠습니다.

Machine Listening이란 무엇일까요? (Part 2)

“비명소리를 탐지하는 기능이 탑재된 보안 카메라를 10년 전에 본 적 있어요"

(원문 : What is Machine Listening? (Part 3), 저자 : 한윤창, 번역 : 장민서)

2000년대 초 음성 인식 기능을 떠올려 봅시다.

사람들이 처음 머신 리스닝 기술을 알게 되었을 때, 10년도 전에 발행된 보안 카메라에 비명과 총격 소리 탐지 기능이 추가되었다는 뉴스 기사를 떠올리는 사람들이 있습니다. 그런 내용을 담은 기사는 많이 봤지만 실제로 작동되는 경우는 보기 드물죠.

많은 기술은 시간이 지날수록 더 개선되지만, 대부분 아예 다른 방식을 기반으로 만들어진 새로운 기술들이 더 잠재력 있고, 넓은 범위를 포괄하며, 많은 장점이 있고, 기능도 우수한 경우가 많습니다. 우리는 이를 “차세대 기술"이라고 일컫습니다. 2000년대 초 음성 인식 기능을 생각해보세요. 음성 인식 기능이 아주 오래전부터 있었다는 걸 우리 모두 알고 있지만, 매우 낮은 정확도로 아주 간단한 문장이나 단어만 알아들을 수 있었습니다. 기계가 사람에게 맞춰주는 게 아니라 사람이 기계가 알아들을 수 있도록 로봇처럼 말해야 했습니다. 그 당시 때는 그래도 많은 사람이 해당 기술을 보며 ‘우와'라고 할 수 있었지만, 우리의 일상 삶에 적용되기엔 아주 무리가 있었죠.

그러나, 음성 인식은 이제는 우리의 삶에 떼려야 뗄 수 없는 존재가 되었습니다. 자연스럽게 일상대화 하듯 발음해도 이해할 수 있고, 많은 스마트 장치와 연동되어 사람이 기계와 상호 작용하는 방식을 변화시킵니다. 아직은 개선되어야 할 여지가 많기 때문에 완벽하다고는 하지 않을래요. 예를 들어 “헤이, 구글"이라고 말하는 대신에 “헤이, 구구"라고 한다던가 “알렉사"라고 부르는 대신 “알렉따"라고 해보는 것처럼요. 제가 어떤 의미에서 개선이 필요하다고 하는지 아실 거예요.

현대 머신 리스닝 기술에서도 비슷한 상황이 있습니다. 기존의 소리 인식은 유사한 소리에서 자주 오경보가 발생하는 몇 가지 소리만 식별할 수 있는 것으로 제한됩니다. 이는 사람의 지식과 관찰에 의해 완전히 수동으로 설계된 손수 제작된 스펙트럼 기능을 사용하는 규칙 기반의 방식을 따르고 있기 때문입니다. 이는 머신 리스닝 기술이 이 분야에서 아주 새로운 것임을 의미하는 게 아닙니다. 머신 리스닝은 2016년까지 널리 사용되어져왔고, 머신 리스닝 분류기와 손수 만든 기능의 합작품이었습니다.

다만 현대 머신 리스닝 기술은 더 많은 것을 할 수 있습니다. 우선 실제 상황에서 더 뛰어난 성능을 보입니다. 이전에는 복잡한 상황과 환경에서 잘 작동하지 않았으나, 최신 딥러닝 기술은 다양한 실제 상황을 반영하여 오차율을 줄이고 더 신뢰성 있는 결과를 제공합니다.

또한 더 많은 소리의 종류를 지원합니다. 기존 방식으로는 새로운 목표가 발생할 때 마다 규칙이 변경되어져야 했기 때문에 성능이 떨어지는 건 피할 수 없는 부분이었습니다. 그러나 딥러닝 기반의 알고리즘이 등장하면서 인풋 데이터에서 더 많은 특징들을 뽑아낼 수 있어 소리의 종류가 풍부해졌고, 그에 따라 성능도 상향되어 유사한 소리에서 발생할 수 있는 오차를 줄여나갈 수 있게 되었습니다. 특정 소리를 감지하는 것이 그 소리를 제외한 다른 모든 소리를 부정적으로 감지하는 것과 동일하다고 생각하면 쉽게 이해할 수 있습니다.

가장 중요하게는 이전보다 일반화 할 수 있는 사례가 많아졌습니다. 특정 기기나 마이크에만 딥러닝을 적용한다면, 기존 진행한 방식과 비교해서 아무런 차이가 없으며 오히려 계산 용량만 더 무거워질 뿐입니다. (물론 마케팅 관점에서는 신선한 접근이 될 수 있어요)

딥러닝과 소리 신호 처리 기술을 적절하게 잘 사용한다면, 어떤 종류의 장비나, 마이크나, 환경에 상관없이 적용할 수 있는 시스템을 만들 수 있게 됩니다. 이는 머신 리스닝의 미래에 굉장히 중요한 부분인데 우리의 삶은 수많은 IoT 장비들로 둘러쌓이면서, 모두 다른 사양의 마이크와 다른 환경에서 작동될 예정입니다. 그렇다고 해서 Youtube에서 모든 영상의 정보를 따올 수 있는 것도 아니고요.

그렇다면 이 문제를 해결하는 것이 왜 어려울까요?

Machine Listening이란 무엇일까요? (Part 3)

(영문 : Cochl does performance evaluation tests sincerely!, 저자 : 장민서, 감수 : 박정수, 유수연, 한윤창)

지난 주, 코클 리서치 팀은 특별한 장소를 방문해 새로운 Cochl.Sense 모델의 성능 평가를 진행했습니다. 과연 어디로 갔을까요?

놀랍게도, 사격장입니다. 우리가 왜 사격장까지 갔을까요?

홈 시큐리티 분야에서의 Cochl.Sense

세계 최초이자 유일한 AI 기반의 머신 리스닝 API인 Cochl.Sense는 시끄러운 실제 환경에서도 잘 작동될 수 있도록 훈련되어 있습니다. Cochl.Sense는 다양한 상황에서 사용될 수 있는데, Cochl에서는 특히나 ‘응급상황 감지'에 큰 관심을 두고 있습니다. Cochl의 고객사 중 한 곳인 AXIS에서는 주변 환경음 속에서 ‘총격'소리를 감지 할 수 있는 Cochl.Sense 모델을 만들어 달라고 의뢰했습니다.

처음에는, 총격소리를 감지할 수 있는 클래스가 탑재된 모델을 Cochl의 데이터베이스에 있는 총격소리와 비교해 보았습니다. 모델은 진짜 총격소리는 잘 인식했고, 주변 소음을 총격소리라고 오인하는 경우는 거의 없었습니다. 하지만 우리는 팔이 안으로 굽는 대신 정확성에 주의를 기울이며 조금 더 우리의 모델을 신중하게 파헤쳐보기로 했습니다 - 과연 마이크의 종류가 성능에 영향을 주는게 아닐까? 하는 가설을 던져 보면서요.

Cochl.Sense는 AXIS의 디바이스에 탑재 되는 형태로 제공될 예정이었기에, AXIS 디바이스에 직접 Cochl.Sense를 업로드 해 실제 총격소리를 시험해 보았습니다. 적어도 AXIS의 상품을 구매하는 고객들과 유사한 환경에서의 실험은 필요하니까요.

사격장으로 가기 전 사내에서 진행 된 성능 평가

AXIS 디바이스에 Cochl.Sense를 탑재한뒤 스피커를 통해 총격소리를 들려줬습니다. 하지만 스피커를 통해 듣는 총격소리와 실제 상황에서 발생하는 총격소리의 차이점도 있고, 아무래도 제한된 환경에서만 실험을 하다보니 실제 총격소리에 대한 성능평가가 필요하다는 의견이 나왔습니다. 그래서, 우리가 만든 모델의 정확도를 더 자세하게 평가해보기 위해 사격장으로 향했습니다.

사격장에서 우리가 깨달은 것은

Cochl은 성능 평가에 진심입니다.

(영문: It works with my dataset, you loser: Developing a real-world Sound AI ,저자 : 장민서, 감수 : 정일영, 한윤창)

지난 토요일(10월 17일) 국내 데이터 씬에서 핫한 '데이터야놀자' 행사가 열렸습니다. 많은 분이 좋은 주제를 가지고 발표에 임해주셨는데, Cochl의 공동창업자/Research Scientist인 일영님도 발표자로 데이터야놀자 2021년 행사에 참여해주셨습니다.

최근 인터넷에서 유행하는 표현으로 말해보자면 '킹받는' 제목인 '제 데이터셋에서는 되는데요? 실 환경 소리 AI 만들기'라는 재미있는 주제로 15분 동안 발표를 해주셨는데, 어떤 내용이 오갔는지 나름의 생생함을 글로 전달 드립니다!

[시작하기에 앞서]

Cochl은 Sound AI를 전공한 연구원 6명이 'Creating ears for artificial intelligence'라는 모토로 공동 창업한 Sound AI 전문 스타트업입니다.

인생은 실전이었어요!

데이터를 분석하고, 모델을 학습 시켜 성능을 높이는 과정이 같았기에 논문 경진대회나 서비스를 만드는 것이 크게 다르지 않을 것이라고 창업 초기의 일영님은 착각했습니다. 하지만 점점 다르다는 것을 창업의 과정속에서 깨닫게 되었죠. 그래서 이번 발표에서는 일영님께서 연구실의 경험만으로는 해결하지 못했던 실생활 Sound AI 개발 경험을 공유해주셨습니다.

[첫 번째 고민 - 데이터 수급]

사람이 살다 보면 놀라는 상황에 한 번씩은 처하게 됩니다. 그럴 때 '꺅!'하고 소리를 내는 경우가 있는데, 이런 소리를 듣고 '지금 이 근방에서 비명이 났습니다!'라고 말해주는 모델을 만든다고 한번 가정해봅시다.

이런 문제를 풀 때 가장 큰 어려움으로 겪을 수 있는 것은 첫 단계인 데이터 모으기입니다. 연구실에서 모델을 만들 때는 1) 기본적으로 데이터가 있다는 전제로 진행하거나 2) 같은 데이터를 이용한 기존의 연구들이 어떤 것이 있는지를 참조합니다. 다만 서비스 측면에서 다가갈 경우 1) 데이터가 없거나 2) 있더라도 절대적인 양이 부족합니다. 그래서 결국 Cochl에서는 직접 비명 데이터를 수집하는 방향으로 나아갔습니다.

비명 데이터를 수집해야 할 때 했던 고민은 아래와 같습니다.

제 데이터셋에서는 되는데요? 실 환경 소리 AI 만들기

안녕하세요, Cochl입니다 :) 저희가 작성한 아티클을 유심히 읽어 보신 적 있으신가요? 읽어 보셨다면 Cochl은 실생활에서 사용할 수 있는 Sound AI 개발하고 있다는 점을 누구보다 잘 아실 거라고 생각됩니다. 뛰어난 성능을 가진 Sound AI를 개발하기 위해서는 충분한 다양성을 가지고 있는 유의미한 소리 데이터를 모으는 것이 중요하다는 점을 계속 강조해왔습니다.

우리가 모으고 있는 데이터가 Sound AI의 퀄리티에 직접적인 영향을 주기에 어떻게 하면 높은 퀄리티의 데이터를 많이 수집할 수 있을까를 늘 데이터팀은 고민하고 있습니다. 기존에 공개된 데이터를 최대한 확보하는 것은 물론, 외부 데이터 수집 업체들과의 협업, 크라우드소싱 방식의 데이터 수집까지 우리가 원하는 데이터를 모으기 위해 다양한 방법들을 활용하고 있습니다. 그러나, 이러한 일반적인 방법으로는 수집하기 어려운 상황도 분명 존재합니다. 수집 난이도가 너무 높거나 원하는 정확한 품질의 데이터가 필요한 경우 등의 상황에서는 해당 소리가 실제로 발생하는 곳을 직접 찾아가 녹음하거나 우리가 직접 소리를 발생시키기도 합니다.

현재 Cochl에서는 자동차에 적용될 수 있는 소리인식모델을 개발 중이고, 차량 파손과 관련된 소리 데이터들이 필요했습니다. 다만 이런 특수한 소리의 경우 수집 난이도가 높아 저희가 원하는 소리를 찾기가 어렵고, 고성능 모델 개발을 위해서는 직접 수집 하는 경우가 가장 정확합니다. 저희 팀이 아주 부자라면 저희가 소유한 차를 파손시켜가며 데이터를 수집할 수 있었겠지만, 아쉽게도(?) 그러지 못해 이번 소리 데이터 수집을 위해 데이터팀의 일영님, 수영님께서 폐차장을 방문해봤습니다.

사실 폐차장 방문은 이번이 3번째인데요, 기존 두 번째 방문까지는 저희의 가설을 실험해보고자 하는 성격이 강했습니다. 이렇게 수집했을 때 우리가 생각하는 유의미한 결과가 나오는지, 녹음의 퀄리티가 우리가 생각하는 수준에 이르렀는지 등을 꼼꼼하게 확인해본 뒤 이번 방문이 결정되었습니다. 앞선 두 번의 방문이 저희가 고민했던 부분에 대한 답을 주었기에, 이번엔 가능한 “우리가 필요로 하는 데이터를 많이 모아보겠어!”라는 목적의식을 가지고 하루 동안 데이터를 모아보았습니다.

제가 앞서 데이터의 ‘다양성’을 말씀드렸는데, 이번 녹음에도 다양한 변수들을 고민해가며 녹음을 진행했어야 했습니다. 이번에 고려한 변수는 아래와 같습니다.

녹음 장비의 다양성 → 어떤 장비를 사용했는지에 따라 다르게 녹음될 수 있습니다. 이 부분은 항상 기본적으로 고려하고 있어 5~6가지의 녹음 장비를 가져가 같은 소리라도 다른 장비들에서는 어떻게 녹음되는지를 확인합니다.

녹음 위치의 다양성 → 어디에 마이크가 설치되는지에 따라 결괏값이 달라질 수 있기에 어떨 때는 차량의 앞좌석에 설치하거나 뒷좌석에 놔둘 때도 있고, 차량 외부에다가 두고 녹음을 진행하기도 합니다.

파손 방식의 다양성 → 차량 파손 시 들리는 소리를 수집하기 위해 폐차장을 방문하게 된 경우라 온갖 방법을 동원해 차량을 파손했습니다. 같은 유리를 깨더라도 장도리로 내려쳐 보고, 망치로 깨보고, 아이스픽으로 콕콕 찍어보는 등 최선을 다해 부숴보았습니다.

우리의 소리를 찾아서

인터뷰 중인 수영 님 (좌), 윤창 님 (우)

Cochl의 새로운 웹사이트 확인해보셨나요?

비주얼적인 부분도 많은 변화가 있지만, 이번 웹사이트 리뉴얼의 가장 큰 목적은 웹사이트 내 콘텐츠의 강화였습니다. Cochl이 어떤 문제를 풀려고 하고 있고, 어떤 기술을 가지고 있고, 어떤 목적으로 사용될 수 있는지 사용자가 궁금해할 내용을 위주로 콘텐츠르 한층 더 업그레이드해 봤습니다. 새로운 킬링 콘텐츠에 대한 자세한 이야기를 풀어낼 수 있도록 작업해주신 Business팀의 수영 님, 윤창 님을 모시고 이야기 나눠봤습니다

Q. Cochl.Labs와 본인에 대해 간단하게 소개 부탁드립니다.

정수 님: Cochl.Labs는 우리의 잠재 고객들이 우리 기술을 직접 경험해볼 수 있고, 들어볼 수 있는 사이트입니다. 맡은 직책이 리서치팀 리드다 보니 이번 Cochl.Labs 프로젝트에서는 백엔드와 프론트엔드를 이어주는 다리 역할을 했습니다. 아무래도 제가 기존에 만들었던 사이트(링크)를 바탕으로 Cochl.Labs가 개발되다 보니 분야를 넘나들며 도움을 드렸네요. 아 참고로 위 사이트는 Cochl.Labs로 연결해뒀습니다.

상민 님: Cochl.Labs는 회사에서 제공하는 서비스나 기술을 한눈에 경험해보실 수 있게 만든 페이지입니다. 정수 님께서 만드신 샘플 사이트(링크: 정수님의 샘플 사이트 제작기)를 토대로 만들어졌고, 기존 사이트에 있던 기능들을 한곳으로 모아야 했습니다. 저는 프로젝트에서 프론트에서 들어온 요청에 따라 필요한 모델을 호출하여 그 결과를 다시 프론트로 전달해주는 서버 애플리케이션과 API를 정의하는 것을 담당했습니다.

Q. 이번 Cochl.Labs는 어떻게 시작하게 되었나요?

정수 님: Cochl이 지금까지 만들어온 프로덕트는 API나 SDK라는 추상적인 소프트웨어의 형태를 띠고 있습니다. 그러다 보니 사람들이 우리 기술을 가져다가 경험해보고 솔루션을 성능평가 해보는 데에 있어 전문 개발자가 아니면 허들이 높았습니다. 어떻게 하면 이 허들을 낮출 수 있을까? 에 대한 고민으로부터 시작했어요.

한편으로는 아직 비즈니스적으로 packaging이 되진 않았지만 연구 개발이 완성된 다양한 기술을 보유하고 있어서 그런 기술력 또한 선보일 수 있는 자리가 있었으면 하는 희망도 있었습니다. 이 두 가지 고민을 바탕으로 사람들이 쉽게 접근해볼 수 있으며, 기술을 사용해볼 수 있는 웹페이지라는 형태의 Cochl.Labs가 탄생하게 되었습니다.

Cochl.Labs 인터뷰 with Research Team

안녕하세요, Cochl의 새로운 도전! Cochl.Labs를 여러분께 선보입니다.

Cochl.Labs가 어떻게 시작되었고 어떤 과정을 거쳐서 만들어 졌는지 Cochl의 Design팀과 Dev팀의 이야기를 통해 한 번 알아볼까요?

Q. Cochl.Labs와 본인에 대해 간단하게 소개 부탁드립니다

지은 님: 안녕하세요, Cochl.Labs는 사용자들이 실제로 참여해볼 수 있는 웹 데모가 모여져있고 Cochl의 기술을 직접 경험해볼 수 있는 공간입니다. 저는 UX/UI디자이너로 Cochl.Labs라는 공간에 대해 기획하였고, 디자인적으로 풀어내는 프로세스를 담당했습니다.

애수 님: 안녕하세요, 사용자들이 쉽게 접근해서 우리의 서비스를 사용해 볼 수 있는 페이지가 Cochl.Labs를 가장 잘 드러낼 수 있는 말인 것 같습니다. 저는 프론트엔드 엔지니어 조애수라고 합니다. Cochl.Labs의 프론트 엔드 부분을 담당하였고, 프로젝트 진행을 위해 필요한 전반적인 부분에 참여하였습니다.

Vinh: 안녕하세요, 저는 Cochl의 인턴이며 베트남에서 온 Vinh입니다. 애수 님을 도와 디자인을 실질적으로 구현하는 역할을 담당하였습니다. Cochl.Labs는 우리의 기술력을 사용자들에게 보여줄 수 있는 공간이라고 생각됩니다.

Cochl.Labs 인터뷰 with Design & Dev Team

안녕하세요 Cochl에서 Developer Relations Manager를 맡고 있는 장민서 입니다.

최근에 사용하는 ‘밥친구'라는 단어를 아시나요? 함께 밥 먹는 친구가 아닌 식사하면서 보는 방송이나 영상을 말합니다. 1박 2일, 무한도전 등 다양한 방송들이 현대인의 밥친구가 되어주고 있는 오늘날! 저도 집에서 점심 먹으면서 보던 유튜브 클립 하나에 꽂히게 되었습니다.

바로 유해진 씨의 반려견 ‘겨울이'가 나온 삼시세끼 고창 편입니다. 본인의 반려견인 겨울이가 보이지 않자 유해진 씨가 ‘안돼! 안돼 일루와!’ 하면서 겨울이를 부릅니다. 그러자 바로 눈에 보이지 않던 겨울이가 득달같이 유해진 씨에게 달려오는데요, 이걸 보면서 주인이 근처에 있지 않아도 주인의 목소리가 들리면 강아지나 고양이가 반응할까? 라는 생각이 들었습니다.

후후, 그렇게 저의 호기심을 함께 해결 해줄 분들을 찾아나서기 시작했습니다.

[제 1장 : 우리의 얼레벌레 계획]

때마침 우리 회사가 세상에 있는 모든 소리를 인식할 수 있는 Sound AI 기술을 개발하고 있고, 우리 팀에는 고양이를 키우는 개발자분이 계셨을 뿐입니다

고양이는 야옹야옹하고 웁니다

여러분, 혹시 액션 영화 좋아하시나요? 배우들의 격렬한 액션씬을 보다보면 자기도 모르게 몸을 들썩이곤 해요.

액션 영화의 주인공들은 보통 사람들 보다 더 오감이 발달하고, 수년 간의 훈련을 통해 굉장히 예민하게 모든 상황에 대처하고 반응합니다.

스파이, FBI 요원, 암살자 모두 총 소리를 듣고 이 총알이 어느 방향에서 날아오는지, 거리가 어느 정도 되는지 등의 정보를 파악하고 멋지게 적을 제압하는 장면들도 존재하죠! 이처럼 보이지 않아도 소리를 통해 우리는 다양한 정보를 알 수 있습니다. Cochl은 소리의 중요성을 알고 세상에 들리는 모든 소리가 어떤 소리인지 파악하고, 소리에 담긴 정보를 활용하는 기술을 보유하고 있습니다. 그래서 오늘은 여러분께 소리를 더욱 풍부하게 해주는 정보 중 하나인 ‘Direction of Arrival’을 소개드립니다.

Direction of Arrival?

사람은 특정 소리를 인식하고, 소리가 나는 방향을 자연스럽게 인지할 수 있습니다. 하지만 AI는 사람이 자연스럽게 할 수 있는 일을 어려워 하는 경향이 있습니다. 특정 소리가 정확하게 어디에서 발생했는지를 알기 위해선 소리에 대한 정보가 추가적으로 필요합니다.

Cochl이 보유한 Sound AI 기술인 Cochl.Sense는 감지되는 소리가 어떤 소리인지를 인지하고, 저희가 보유한 딥러닝 모델을 통해 37가지 다양한 소리태그로 소리를 구별할 수 있습니다. 이 소리가 어떤 소리인지 파악하는 것과 더불어 소리와 관련된 추가적인 정보를 함께 제공받는다면 더 정확하고, 신뢰성 있는 의사결정을 할 수 있습니다. Cochl과 함께하는 클라이언트 측에서 특히나 소리의 방향 정보를 알 수 있는지에 대한 많은 문의를 주셨습니다.

흠, 소리의 방향 정보를 어떻게 알 수 있냐고요? 바로 Direction of Arrival (DoA)를 통해서 가능하답니다!

Where it comes from? - Direction of Arrival

지난 11월 7-10일, 2022년 APSIPA ASC*가 태국 치앙마이에서 개최되었습니다. AISAIPA ASC는 아시아 태평양 지역의 신호처리, 정보분석에 관련한 연국자들이 모여 최근 연구 동향 및 각자의 연구 결과를 공유하는 국제 컨퍼런스 입니다. 특히 이번 컨퍼런스에는 Cochl Data팀의 일영님이 스페셜 세션의 발표자로 초대되셨습니다 학회에서 최근 Cochl의 연구 방향 및 성과에 대한 논문을 발표해주셨습니다. 오늘 이 글에서는 일영님께서 발표하신 내용의 일부와 그외 주목할 만한 논문들, 그리고 다양한 치앙마이에서의 경험을 공유 드립니다! * APSIPA ASC: Asia Pacific Signal and Information Processing Association Annual Summit and Conference

APSIPA ASC 2022 (홈페이지)

Cochl.Scene: 크라우드소싱을 이용한 음향 환경 데이터 수집

Cochl에서 발표한 논문은 최근 새롭게 공개한 음향 환경 분류(Acoustic scene classification) 데이터셋에 대한 내용을 담고 있습니다. 음향 환경 분류란, 다양한 장소에서 녹음된 소리를 분석해 해당 장소의 종류(카페, 숲, 도로 등)를 자동으로 인식하는 기술입니다. 이런 기술이 상용화된다면 각 사용자가 어떤 장소에 있는지를 인지하고 그에 적합한 동작을 수행하는 보다 똑똑한 AI 시스템을 만들 수 있습니다.

하지만 높은 분류 성능을 얻기 위해서는 각 장소들의 공간적 특성 (실내, 실외 등)과 주로 일어나는 사건들 (물 소리, 식기 소리 등) 다양한 측면에서의 분석을 소리만으로 수행해야 하기에 결코 쉽지 않은 문제라고 말할 수 있습니다.

일상 생활 속 다양한 장소 환경들 - 각 장소들은 저마다 독특한 환경음을 가지고 있습니다. (출처: freepik.com)

한편, 데이터 수집이 매우 어렵다는 점 또한 음향 환경 분류의 연구를 어렵게 하는 요소 중 하나입니다. 카페에서 나는 소리 데이터를 충분히 학습하려면, 몇 곳의 카페를 찾아가야 할까요? 각 지역별, 시간대 별로는 얼마나 다양하게 수집해야 할까요? 같은 장소에서 다양한 소리를 발생시켜가며 수집할 수 잇는 음향 이벤트 데이터와는 달리, 환경 데이터는 다양한 장소에 방문하고 머무르는데 필요한 시간 및 비용으로 인해 대량으로 수집하는 것이 어려웠습니다.

싸와디캅, Cochl.Scene - APSIPA 방문기

Cochl은 ‘Creating ears for artificial intelligence’라는 비전하에 우리가 가진 기술을 통해 인공지능이 풍부한 정보를 바탕으로 정확한 의사 결정을 할 수 있도록 만들어 나가고 있습니다. 이를 통해 우리의 삶을 한층 더 편하고 풍요롭게 만들 수 있다고 믿기 때문입니다.

그렇기에 우리가 가진 기술을 활용해 세상에 이로움을 펼쳐나가는 유저분들의 성공 사례를 듣는 것이 저희의 또 다른 큰 기쁨 중 하나입니다. 오늘 이야기의 주인공인 한얼님께서 Cochl.Sense를 사용해 2022년 XR 디바이스 콘텐츠 아이디어 경진대회에서 대상을 받으셨습니다. Unity Korea에서 시니어 엔지니어이자 서강대학교 메타버스전문대학원에 재학 중인 ‘김한얼’님의 이야기가 기술을 사용하는 모든 사람에게 크나큰 영감을 줄 수 있으리라 생각됩니다.

2022년 XR 디바이스 콘텐츠 아이디어 경진대회 시상식 (사진 출처: 전자신문)

한얼님과 함께 어떻게 Cochl.Sense를 사용하셨는지, 어떤 꿈을 저희를 대신해서 그려주셨는지를 이야기 나눠봤습니다!

Q. 안녕하세요, 한얼님 반갑습니다. 이번 대상 수상을 축하드립니다. 혹시 제작하신 ‘Hawkeye’에 대해 간단하게 소개 부탁드려도 될까요?

A. 안녕하세요, 저는 소개해주신 것처럼 서강대학교 메타버스전문대학원에서 박사과정을 진행 중이고 우연히 해당 경진대회가 열린다는 것을 알게 되었습니다. 개인적으로 장애 분야에 관심이 많은데, 청각장애인 분들이 소리를 듣지 못해서 사고를 당하는 내용을 뉴스를 통해 접하게 되었습니다. 경보음을 듣지 못해 위험에 빠지는 경우가 많아 그분들이 소리를 듣지 않고도 위험을 시각화하여 인지할 방법을 구현하면 좋겠다고 생각해 청각장애인을 위한 시각 보조 어플리케이션을 제안하게 되었습니다. 특히나 위험 소리를 인지하여 즉각적으로 경고해 줄 수 있는 음성인식 기술과 인지된 위험소리를 시각화해주는 기능이 꼭 필요한 상황이었어요. Cochl의 기술과 데모 영상을 이전에 본 적이 있었고, 제가 재직 중인 회사인 Unity의 기술을 사용해서 핵심 기능을 구현할 수 있었습니다.

Hawkeye 소개 영상

‘Quality of life’ does matter for everyone

Cochl.Sense Notification 안드로이드 버전이 출시되었습니다!

많은 분들이 기다려주셨던 Cochl의 앱이 플레이스토어에 드디어 출시 되었습니다. 이번 앱 출시는 Cochl에게 있어서 굉장히 특별한데요, 기존에 웹으로만 볼 수 있었던 대시보드 기능을 이제는 모바일로 더 간편하게 확인할 수 있으며 다양한 인사이트를 쉽고 빠르게 확인할 수 있기 때문입니다. 앱이 출시되기까지의 과정도 흥미롭지만, 이 앱이 탄생하기 까지 노력해주신 분들의 이야기도 놓칠 수 없죠!

그래서 오늘은 앱 출시까지 열심히 노력해주신 Cochl의 모바일 개발자 Quentin과 UX/UI 디자이너인 지은님을 모시고 앱이 릴리즈 되기까지의 여정을 나눠봅니다. 태어난 나라도, 하는 일도, 모국어도 전~혀 다른 두 분이 어떻게 ‘잘' 일할 수 있었을까요? 그 비결은 아래 인터뷰에서 확인하실 수 있습니다.

[ 아래 내용이 궁금하신 분들께 추천드려요]

•

스타트업에서 디자이너와 개발자가 일하는 방법

•

외국인 팀원과 영어로 소통하며 일하는 방법

Quentin (좌) & 지은 (우)

Q. 안녕하세요 :) 바쁘신 와중에 인터뷰에 참여해주셔서 감사합니다! 간단한 본인 소개 부탁드려요.

Cochl.Sense 모바일 앱 출시 인터뷰

2023년이 시작된지 벌써 한 달이 지났습니다. 모두 2023년 계획대로 잘 시작하고 계시나요? 왠지 새해를 맞이하게 되면 자주 보지 못했던 사람에게도 안부를 전하게 되고, 내 주변의 사람과 환경에 대해 애틋함이 들게 됩니다. 이번 설날 명절을 맞이하여 멀리 떨어져 있던, 자주 보지 못했던 가족을 만났을 때도 괜히 다른 날 보다 더 헤어짐이 아쉬웠어요. 고향을 떠나는 제게 가족들이 마지막까지 했던 말은 ‘다치지 말고, 안전하고 건강하게 지내는 게 최고야. 늘 조심해서 다녀’ 였습니다. 이미 어른이 된 지 오래지만, 아직 부모님 눈에는 어린아이로 비치나 봅니다.

이처럼 사랑하는 사람의 안전과 건강은 모든 사람이 염려하는 것 중 하나입니다. 오랜 시간을 함께 보내기 위해선 필수 불가결한 요건이니까요. 특히나 저와 같이 고향과 가족을 떠나 홀로 살아가는 분들은 언제 생길지 모르는 문제에 조금 더 예민할 수 있을 것 같아요. 만약 여러분은 기술을 통해 더 안전한 삶을 보장받을 수 있다면 어떨 것 같나요?

하인리히의 법칙을 들어본 적 있으신가요? 1:29:300 모델이라고도 불리는 이 법칙은 어떤 대형 사고가 발생하기 전 같은 원인으로 수십 차례의 가벼운 사고와 수백 번의 징후가 반드시 나타남을 뜻하는 통계 법칙입니다. 단순한 산업 재해뿐만 아니라 질병과 관련된 사전 징조를 보더라도 비슷한 경향성을 발견할 수 있을 거예요. 예를 들어 최근 기침 소리가 이상해져서 병원에 방문해보니 단순 감기가 아니었음을 발견하는 것처럼요.

앞서 말씀드린대로 기술을 통해 1) 미리 사고를 방지하거나 2) 사고가 더 커지기 전에 빠른 해결 방안을 제시할 수 있다면 우리는 안전이 더 보장된 삶을 살 수 있을 것입니다. 도대체 어떤 기술이 이런 도움을 줄 수 있냐고요? 바로 저희가 보유한 Sound AI 기술을 통해서입니다. Cochl은 Creating ears for artificial intelligence라는 모토 하에 세상의 모든 소리를 인지하고, 이해하는 Sound AI를 만들어 나가고 있습니다. 우리의 일상은 다양한 소리로 가득 차 있고, 소리는 우리가 생각한 이상으로 많은 정보를 담고 있습니다. 만약 어떤 소리가 들릴 때, 이 소리가 무슨 소리인지를 빠르게 알 수 있다면 더 넓은 맥락에서 우리는 상황을 파악할 수 있습니다.

기술을 통한 안전한 삶 - Safe & secure life with Sound AI

Edge AI?

Edge AI라고 들어보셨나요? Edge AI란 기기 자체에서 AI 애플리케이션을 구축하는 것을 의미하며, AI 연산이 단순히 클라우드 컴퓨팅 설비나 데이터센터에서 이뤄지는 것이 아닌 사용자 주변(Edge 단)에서 일어나는 것이 가장 큰 특징입니다.

여러분이 사용하고 있는 다양한 IoT기기에서 가장 손쉽게 Edge AI를 경험해보실 수 있습니다. Cochl.Sense 또한 Cloud API와 Edge SDK 두 가지 버전으로 제공되고 있어, 사용자의 편의에 따라 선택할 수 있는 큰 장점이 있습니다.

오늘은 Seeed Studio에서 함께한 Edge AI Talk에서 Cochl의 Business Development Manager이신 수영님이 발표해주신 내용을 요약해 드리려고 합니다. Edge단에서 Machine Listening이 어떻게 구현되는지 궁금하신 분들이라면 읽어주세요!

Machine Listening on the Edge

(Source: Pixabay)

한국 통계청에 따르면 2023년 기준 65세 이상의 고령인구는 전체 인구의 18.4%를 차지하며, 2060년까지 전체 인구의 40%를 넘길 것으로 전망됩니다. “초고령 사회”로 향하는 사회 현상으로 인해 노인 인구를 위한 기술에 관한 관심이 점점 높아지고 있습니다.

고령인구의 수만 늘어나는 것이 아니라, 기대 수명 또한 함께 증가하고 있습니다. 그에 따라 건강보험심사평가원에 따르면 65세 이상 진료비와 약품비 청구현황 또한 지속해서 증가했습니다. 이러한 경제적 부담을 줄이고, 고령인구의 삶의 질 향상을 위해 AI 기술은 놀랍게도 핵심적인 역할을 할 수 있습니다.

만약 AI 기술이 넘어지는 소리 혹은 다쳐서 아파하는 소리 등을 감지해 간병인 또는 구급 서비스에 본인의 상태를 알려준다면 어떨까요? AI를 통한 선제적 예방과 빠른 상황 대응은 AI가 고령인구의 건강 문제에 많은 도움을 줄 수 있다는 잠재력을 보여주는 한 사례입니다. 그럼 여러 AI 기술 중, Sound AI 기술이 어떻게 당면한 고령인구 문제 해결에 도움을 줄 수 있는지 알아보시죠!

[Case] 큰 위험으로 이어질 수 있는 낙상: Cochl.Sense로 빠른 대처하기

(Source: Pixabay)

“넘어져도 다시 일어나면 된다”라는 좋은 명언이 있지만 노인 인구에게는 쉽지 않습니다 . 왜냐하면 나이가 들수록 근육이 약해지고 균형 감각이 떨어지기 때문입니다. 특히나 고령인구에게 넘어짐은 또 다른 건강 문제를 불러 일으킬 수 있습니다. 가벼운 멍으로 끝날 수도 있지만 만약 운이 나쁘다면, 오랜 병원 신세를 져야 할지도 모르거든요. 더 나아가, 호되게 넘어져 아팠던 기억 때문에, 자유롭게 움직이는 것도 예전만큼 쉽지 않습니다.

일본에 있는 “Fujimiso(후지미소) 요양원”에서는 Sound AI의 힘을 믿고 그들의 노인 돌봄 서비스에 Cochl의 Sound AI를 적용하였습니다. Sound AI가 장착된 IoT기기를 사용하여 환자가 넘어지거나 혹은 다른 외부 충격을 받은 것을 빠르게 감지할 수 있습니다. 이를 통해 간병인들은 비상 상황이 발생했을 때 더 빠르게 대처할 수 있게 되었죠. 어떻게 Sound AI를 알게 되었을까요?

Sound AI를 이용한 노인 의료 문제 해결

Cochl은 음성인식을 넘어 우리 주변에 있는 다양한 소리를 모두 알아들을 수 있는 Sound AI 기술을 만드는 회사입니다. 인공지능이 사람처럼 자연스러운 청각 인지능력을 가질 수 있도록 하고, 이를 통해 사람들이 안전하고 자동화된, 그리고 편리하고 개인화된 일상 생활을 누릴 수 있도록 만들어 나가고 있습니다. 다양한 AI 모델들이 매일 업데이트 되는 요즘 시대에 Cochl은 어떻게 AI 모델을 고도화하고 있을까요?

AI 모델을 고도화하기 위해서는 다양한 방법들이 존재합니다. 모델 설계 시의 구조나 학습 방법을 개선하는 등의 기술 개발뿐만 아니라, 양질의 데이터셋을 확보하는 것 역시 모델의 성능에 결정적인 영향을 미친다는 점, 알고 계셨나요? 흔치 않은 소리 데이터를 다루는 Cochl에서 어떻게 소리 데이터를 수집하고, 레이블 해서 고성능의 AI 모델을 만들고 있는지 소개해 드립니다.

(이미지 출처: Pixabay)

소리 데이터 수집의 판단 기준은?

양질의 소리 데이터셋을 정의하고 구축 계획을 세우는 것은 어려운 일입니다. 모델의 목적이나 사용될 상황에 따라 다양한 품질 기준이 요구되기도 하고, 심지어 이러한 기준은 시간이 지나감에 따라 바뀔 수도 있고, 더욱 상향되기도 합니다.

위 문제를 해결하기 위해 Cochl에서는 시장 조사, 최신 연구 동향 파악, 전문가 감수 등의 다양한 방법을 데이터 수집 단계에 활용하고 있습니다. 그중 모델의 지속적인 개선을 위해 이전 버전 모델의 성능 평가 결과를 바탕으로 다음 데이터 수집 계획을 수립하는 Data-driven 방식을 조금 더 자세히 설명해 드릴게요.

Data-driven 방식은 지난 모델의 성능 평가 결과를 보며 특별히 인식 성능이 떨어지는 사용 환경이 있었는지, 비슷한 소리 특성이 있어 모델이 혼동하기 쉬운 종류의 소리가 있는지를 파악한 뒤 이를 보완하기 위한 데이터를 추가로 수집하는 방식입니다.

Tour de optimization - 완벽한 Sound AI 모델을 만들기 위한 여정

Q. 안녕하세요! 간단하게 본인 소개 및 이번 프로젝트에서 담당하신 부분을 말씀 부탁드립니다.

Q. 이번 웹사이트 리뉴얼을 진행하게 된 이유는 무엇일까요?

Q. 안녕하세요! 간단하게 본인 소개를 부탁드립니다.