음성 AI 기술

음성-음성 모델과 캐스케이드 음성 파이프라인 비교

전화 음성 에이전트를 만드는 두 방식, 음성-음성 모델과 캐스케이드 파이프라인을 비교합니다. 각각의 강점과 약점, 테스트로 고르는 방법을 다룹니다.

Call 편집팀 · 게시일 · 6분 소요

음성 에이전트가 말하는 것을 들을 때, 그 뒤에는 대개 두 가지 설계 중 하나가 있습니다. 첫째는 소프트웨어가 발신자의 말을 텍스트로 바꾸고, 언어 모델이 텍스트 답변을 쓰고, 음성 엔진이 소리 내어 읽는 방식입니다. 둘째는 하나의 모델이 오디오를 듣고 오디오로 답하는 방식입니다. 업체들은 어느 쪽이 나은지 논쟁합니다. 솔직한 답은 각각 무언가를 맞바꾼다는 것입니다.

노트북 화면에서 오디오 파형을 비교하는 엔지니어들
참고 이미지

이 가이드는 플랫폼을 고를 때 더 좋은 질문을 할 수 있도록 두 방식을 쉬운 말로 비교합니다. 더 넓은 소개는전화 통화에서 음성 AI가 작동하는 방식부터 읽어 보십시오.

캐스케이드 파이프라인

음성-텍스트 변환, 모델, 텍스트-음성 변환으로 이어진다고도 부르는 캐스케이드 파이프라인은 오랫동안 표준 방식이었습니다. 단계마다 별도의 구성 요소가 있고, 그 사이를 텍스트가 오갑니다.

캐스케이드 파이프라인

  1. 음성 인식발신자의 오디오를 텍스트로 바꿉니다.
  2. 언어 모델지침, 자료와 함께 텍스트를 읽고 답변을 씁니다.
  3. 음성 합성답변 텍스트를 음성 오디오로 바꿉니다.
  4. 전화발신자와 오디오를 주고받습니다.

시스템의 중간이 평범한 텍스트이므로 읽고, 검색하고, 저장하고, 규칙과 대조하고, 어느 단계든 교체할 수 있습니다. 발신자의 억양에 더 강한 인식기나 브랜드에 맞는 목소리로 바꿀 수 있습니다.

음성-음성 방식

엔드투엔드 모델 또는 네이티브 오디오 모델이라고도 부르는 음성-음성 모델은 오디오를 직접 다룹니다. 소리 자체를 듣고 소리를 출력으로 만들어 내며, 다만 이런 시스템 중 상당수는 기록용 텍스트도 함께 만듭니다.

음성-음성

  1. 오디오 입력발신자의 목소리가 곧바로 모델로 갑니다.
  2. 하나의 모델의미, 말투, 타이밍을 해석하고 답변을 계획합니다.
  3. 오디오 출력음성 응답을 직접 만들어 냅니다.
  4. 전화발신자와 오디오를 주고받습니다.

매력은 단계 사이에서 잃는 것이 없다는 점입니다. 멈춤, 웃음, 머뭇거림, 한숨이 답변에 영향을 줄 수 있고, 세 단계를 따로 기다리지 않으므로 모델이 더 빨리 말하기 시작할 수 있습니다.

나란히 비교하기

캐스케이드와 음성-음성

캐스케이드음성-음성
자연스러움단계별 품질에 좌우되며, 단계적으로 느껴질 수 있음타이밍과 말투가 보존되어 대개 더 매끄러움
응답 시간세 단계의 합이며, 조정 가능인계가 적어 더 짧을 수 있음
통제높음: 단계마다 텍스트에 규칙 적용 가능낮음: 내부에서 일어나는 일을 살펴보기 어려움
전사와 로그자연스러운 부산물대개 별도로 생성되며 실제 말과 다를 수 있음
구성 요소 교체쉬움: 인식기나 목소리만 따로 변경모델이 제공하는 범위로 한정
목소리 선택선택 폭이 넓음대개 선택지가 적음
성숙도오랜 실적새롭고 빠르게 변화 중

어느 쪽이 절대적으로 우월하다는 주장은 신중하게 받아들이십시오. 같은 범주 안에서도 제품마다 품질이 다르며, 깨끗한 데모에서의 결과가 시끄러운 휴대전화 통화에서도 유지된다는 보장은 없습니다.

전화 통화에서 중요한 것

전화 오디오는 좁고 시끄럽다

전화 오디오는 압축되어 있고 잡음이 많은 경우가 흔합니다. 어떤 설계를 고르든 스튜디오 녹음이 아니라 실제 전화 오디오에서 어떻게 작동하는지 확인하십시오.전화 음성이 음성 인식에 어려운 이유에서 그 영향을 설명합니다.

통제와 감사 가능성

에이전트가 무엇을, 왜 말했는지 입증해야 한다면 단계마다 있는 텍스트가 도움이 됩니다. 캐스케이드 설계에서는 모델의 답변과 음성 사이에 점검을 넣을 수 있습니다. 엔드투엔드 모델에서는 업체의 통제 기능과 테스트에 더 의존하게 됩니다.음성 AI 에이전트를 위한 가드레일을 검토하고 무엇을 강제해야 하는지 정하십시오.

끼어들기와 타이밍

네이티브 오디오 모델은 발신자의 소리를 계속 듣기 때문에 말 겹침과 끼어들기를 더 유연하게 처리하는 경우가 많습니다. 캐스케이드 시스템은 말소리와 침묵 감지에 의존해 언제 멈추고 시작할지 정합니다.음성 활동 감지와음성 에이전트의 말 차례 전환을 참고하십시오. 더 나은 엔지니어링으로 격차를 좁힐 수 있으며, 그 격차는 계속 바뀔 수 있습니다.

언어와 억양

안내 자료의 목록을 그대로 믿지 말고, 중요한 언어와 억양을 직접 테스트해 확인하십시오. 한 언어에 강한 모델이 다른 언어에는 약할 수 있으며, 파이프라인의 개별 단계도 마찬가지입니다.

상황에 맞게 고르기

가상의 시나리오 몇 가지를 보면 우선순위가 어떻게 서로 다른 방향으로 당기는지 알 수 있습니다.

업체에 물어볼 질문

  • 시스템은 어떤 단계를 쓰며, 그것을 바꿀 수 있습니까?
  • 모든 통화의 전사를 받을 수 있으며, 그것이 모델이 실제로 들은 내용입니까?
  • 규칙과 제한은 어떻게 강제됩니까?
  • 휴대전화와 잡음이 많은 회선에서 어떻게 작동합니까?
  • 실제 전화 통화에서 일반적인 응답 시간은 어느 정도입니까?
  • 끼어들기는 어떻게 처리됩니까?
  • 이후 오디오와 텍스트는 어떻게 처리됩니까?

경계가 흐려지는 곳

두 범주는 마케팅이 말하는 것만큼 뚜렷하지 않습니다. 많은 음성-음성 제품이 오디오와 함께 전사를 만들고, 많은 캐스케이드 제품은 단계 사이에서 부분 결과를 스트리밍해 모델이 답변을 다 쓰기 전에 말하기 시작합니다. 대화에는 네이티브 오디오 모델을, 조회나 규칙 점검에는 텍스트 단계를 쓰는 시스템도 있습니다. 업체가 엔드투엔드라고 말한다면, 정확히 무엇이 엔드투엔드이고 어디에 여전히 텍스트가 등장하는지 물어보십시오.

이것이 중요한 이유는 실무 질문이 바뀌지 않기 때문입니다. 오간 말을 어디서 읽을 수 있는가? 규칙을 어디서 강제할 수 있는가? 틀린 답변을 어떻게 잡아내는가? 믿을 수 있는 전사와 자연스러운 목소리를 모두 주는 혼합 방식은, 두 부분을 모두 검증할 수 있다면 합리적인 중간 길일 수 있습니다.

공정하게 테스트하기

비교는 의도치 않게 편향되기 쉽습니다. 후보마다 같은 시나리오, 같은 종류의 전화 회선, 같은 배경 소음을 쓰십시오. 조용한 방뿐 아니라 차 안이나 길거리에서 휴대전화로 테스트하십시오. 문장 중간의 정정, 철자를 불러 주는 이름, 범위 밖의 질문, 사람을 찾는 요청처럼 실제 발신자가 만드는 까다로운 순간을 포함하십시오.

각 통화를 몇 가지 간단한 기준으로 채점하십시오. 답변이 정확했는가, 에이전트가 발신자를 기다렸는가, 각 답변 전의 공백은 얼마나 길었는가, 통화는 어떻게 끝났는가. 일관되게 채점한 적당한 수의 통화가 세련된 데모보다 더 많은 것을 알려 줍니다.

Call의 접근 방식

실무적인 교훈은 아키텍처보다 우리 통화에서의 동작이 더 중요하다는 것입니다. Call의 AI 에이전트는 답변의 첫 부분이 준비되는 즉시 말하기 시작하고, 발신 통화에서는 인사말을 미리 준비하며, 답변을 짧게 유지합니다. 목소리와 음성 인식 옵션을 설정하고, 내 전화로 걸어 테스트하고, 나중에 통화 이력에서 대화를 읽을 수 있습니다. 바탕 기술이 무엇이든 같은 기준을 적용하십시오. 정확하게 답하는가, 정중하게 인계하는가, 발신자에게 무리 없이 들리는가?음성 에이전트의 대화를 평가하는 방법의 지표는 두 방식 모두에 적용됩니다.

자주 묻는 질문

음성-음성 모델이란 무엇입니까?

인식과 음성 사이에 별도의 텍스트 단계 없이, 음성 오디오를 입력으로 받아 음성 오디오를 출력하는 모델입니다.

캐스케이드 음성 파이프라인이란 무엇입니까?

음성 인식, 언어 모델, 음성 합성을 잇고 단계 사이에 텍스트를 주고받는 구조입니다.

어느 쪽이 더 자연스럽습니까?

음성-음성 시스템이 더 매끄럽다고들 하지만, 제품마다 품질이 다릅니다. 우리와 비슷한 통화를 들어 보고 판단하십시오.

어느 쪽이 감사하기 쉽습니까?

캐스케이드 파이프라인은 단계마다 텍스트를 만들므로 로그, 점검, 규칙 적용이 더 간단합니다. 엔드투엔드 모델이라면 업체가 무엇을 기록하며 그것이 얼마나 믿을 만한지 확인하십시오.

두 방식을 섞을 수 있습니까?

예를 들어 특정 통화에는 캐스케이드 설계를 쓰는 식으로 둘을 결합하는 플랫폼도 있습니다. 어떤 모드든 전사와 규칙을 어떻게 처리하는지 물어보십시오.

선택에 따라 비용이 달라집니까?

그럴 수 있지만 가격과 모델은 바뀌므로, 업체에 현재 조건을 요청하고 홍보 문구가 아니라 측정한 결과와 비교하십시오.

Call로 내 전화 회선에서 AI 에이전트를 테스트해 보십시오

데모 콘솔에서 수신 통화를 시뮬레이션으로 체험할 수 있습니다.

관련 가이드