전화 음질(8kHz)이 보이스 AI에 미치는 영향

일반 전화의 음성은 대부분 1초에 8,000번(8kHz) 샘플링됩니다. 샘플링 이론상 이 방식으로 담을 수 있는 소리는 그 절반인 약 4kHz 이하이고, 전통적인 전화 대역은 그보다 좁은 300Hz~3.4kHz 근처에 맞춰져 있습니다. 사람끼리 대화하기에는 충분한 대역이지만, 16kHz나 그 이상의 깨끗한 음성으로 학습한 경우가 많은 보이스 AI에게는 정보가 빠진 소리입니다. 그래서 같은 모델도 전화에 붙이면 웹 데모보다 알아듣기 어려워하고, 합성한 목소리도 다르게 들립니다.

한국AI통신은 070 번호와 SIP 교환기를 직접 운용하며 전화 음성을 AI에 전달합니다. 이 글은 전화 음질이 왜 이런 모습인지, 보이스 AI의 어느 단계에 어떤 영향을 주는지, 무엇을 할 수 있는지 통신 쪽 시각에서 정리합니다.

전화 음성은 왜 8kHz인가

전화망은 오랫동안 음성 한 통화를 64kbps 디지털 신호로 전달해 왔습니다. 대표적인 코덱인 G.711은 8kHz로 샘플링한 음성을 한 샘플당 8비트로 기록하므로 8,000 × 8 = 64,000비트, 즉 64kbps가 됩니다. 사람 목소리를 알아듣는 데 필요한 핵심 성분이 이 대역 안에 대부분 들어 있어, 적은 자원으로 많은 통화를 실어 나르기에 효율적인 선택이었습니다.

휴대폰끼리의 통화는 이동통신망 안에서 더 넓은 대역의 코덱을 쓰기도 하지만, 서로 다른 망이나 인터넷전화, 교환기를 거치는 구간에서는 협대역으로 맞춰지는 경우가 많습니다. 경로마다 다르므로 보이스 AI는 협대역 음성이 들어온다고 가정하고 설계하는 것이 안전합니다. 코덱의 기본은 RTP와 음성 코덱 기초에서 다룹니다.

음성 인식에 주는 영향

마찰음과 파찰음이 흐려진다

ㅅ, ㅆ, ㅈ, ㅊ, ㅎ 같은 소리는 에너지가 높은 주파수에 많이 분포합니다. 협대역에서는 이 정보가 잘려 "사"와 "차", "산"과 "삼"처럼 구별이 어려워집니다. 한국어 숫자 "삼(3)"과 "사(4)"가 전화에서 자주 헷갈리는 이유 중 하나입니다. 한국어 고유의 인식 문제는 한국어 전화 음성인식이 어려운 이유에서 따로 정리했습니다.

학습 환경과의 차이

음성 인식 모델이 고음질 음성 위주로 학습했다면, 8kHz 음성을 16kHz로 올려(업샘플링) 넣어도 사라진 높은 대역이 되살아나지는 않습니다. 빈 대역이 있는 소리는 모델에게 낯선 입력입니다. 전화 음성으로 학습했거나 전화 환경을 고려한 모델이 같은 조건에서 더 나은 결과를 내는 경우가 많은 이유입니다.

잡음이 더 크게 느껴진다

목소리와 소음이 같은 좁은 대역에 몰려 있으므로, 차량 소음이나 매장 음악이 목소리를 덮기 쉽습니다. 발화 감지(VAD)가 잡음을 말로 잡거나 작은 목소리를 놓치는 일도 늘어납니다.

음성 합성에 주는 영향

TTS는 보통 24kHz 같은 높은 샘플링으로 합성한 뒤 전화로 보내기 전에 8kHz로 낮춥니다(다운샘플링). 이때 목소리의 공기감과 밝은 음색이 잘려 나가 데모에서 들은 인상과 달라집니다. 높은 대역에 매력이 있던 목소리일수록 차이가 큽니다. 그래서 전화 AI의 목소리는 반드시 전화로 걸어서 골라야 합니다. 기준은 한국어 TTS 목소리 고르는 기준을 참고하세요.

리샘플링은 최소한으로

전화 음성이 AI에 닿기까지, 그리고 AI 음성이 전화로 돌아가기까지 샘플링 변환과 코덱 변환이 여러 번 일어날 수 있습니다.

1. 1전화망의 G.711(8kHz)이 SIP 교환기에 도착
2. 2음성 서버가 모델 입력 형식(예: 16kHz PCM)으로 업샘플링
3. 3모델이나 TTS가 고음질로 출력
4. 4다시 8kHz G.711로 다운샘플링해 전화로 송출

변환마다 계산 시간과 음질 손실이 조금씩 붙습니다. 경로에서 불필요한 변환이 없는지, 같은 변환을 두 번 하지는 않는지 점검하는 것이 좋습니다. 지연 측면은 AI 전화 응답 지연 예산에서 다룹니다.

광대역 코덱은 해답이 될까

G.722나 Opus 같은 광대역 코덱을 쓰면 더 넓은 대역을 전달할 수 있습니다. 다만 통화 양 끝과 중간 경로가 모두 지원할 때만 효과가 있습니다. 고객이 일반 휴대폰으로 070이나 대표번호에 전화를 거는 경우에는 망 간 연동 구간에서 협대역으로 맞춰지는 경우가 많아, 보이스 AI 쪽에서만 광대역을 지원해도 들어오는 음성은 여전히 협대역일 수 있습니다.

반대로 앱이나 웹 안에서 WebRTC로 대화하는 경우에는 처음부터 고음질 음성을 주고받을 수 있습니다. 전화와 앱 음성의 차이는 WebRTC와 SIP에서 비교합니다.

협대역을 전제로 한 설계 원칙

• 시험은 반드시 실제 전화로 합니다. 노트북 마이크 데모 결과를 믿지 않습니다.
• 숫자, 이름처럼 혼동되기 쉬운 값은 되읽어 확인합니다.
• 중요한 숫자는 키패드 입력을 대안으로 둡니다. 키패드 신호는 음질과 무관하게 전달됩니다.
• 모델을 고를 때 전화 음성 조건에서 비교합니다.
• 경로의 코덱 변환 횟수를 줄입니다.

한국AI통신의 KAT Cloud는 번호 발급부터 SIP 교환, 실시간 음성 AI 연결까지 한 경로로 제공하므로, 음성이 어디서 어떻게 변환되는지 파악하기 쉬운 구조에서 보이스 AI를 시험할 수 있습니다. 운영사인 한국에이아이통신(주)는 기간통신사업자로 등록되어 있습니다.

자주 묻는 질문

전화 음성은 왜 아직도 8kHz를 쓰나요?

전화망은 서로 다른 사업자와 장비가 연결된 거대한 망이라, 어느 구간에서나 통하는 공통 형식으로 G.711 같은 8kHz 협대역 코덱이 오랫동안 쓰여 왔습니다. 일부 구간에서는 광대역 음성도 쓰이지만, 망 간 연동에서는 여전히 협대역으로 맞춰지는 경우가 많아 보이스 AI는 협대역 입력을 전제로 설계하는 것이 안전합니다.

8kHz 음성을 16kHz로 바꾸면 음질이 좋아지나요?

8kHz 음성을 16kHz로 업샘플링해도 이미 잘려 나간 높은 대역의 소리는 되살아나지 않습니다. 형식만 모델 입력에 맞출 뿐 정보량은 그대로이므로, 전화 환경에 강한 모델을 고르고 대화 설계로 인식 오류를 흡수하는 쪽이 효과적입니다.

보이스 AI 시험은 왜 실제 전화로 해야 하나요?

웹 데모나 노트북 마이크 시험은 고음질 음성으로 진행되어 전화망의 협대역 압축, 코덱 변환, 통신 지연이 빠져 있습니다. 같은 모델이라도 실제 전화에서는 인식률과 목소리 인상, 응답 속도가 달라지므로 도입 전 시험은 반드시 고객과 같은 경로인 실제 전화로 해야 합니다.