전화 AI와 대화해 보신 분들은 이런 경험을 하셨을 거예요. 내가 말하는 순간, 상대방이 거의 동시에 대답합니다. '어? 이게 내 말을 듣고 있는 건 맞나?' 싶을 정도로요.
그 비밀은 STT(Speech-To-Text)라는 기술에 있습니다. 우리말로 하면 '음성을 글자로 바꾸는 기술'이에요. 속기사를 상상해 보세요. 법정에서 판사가 말하는 순간, 옆에 앉은 속기사가 거의 실시간으로 타이핑하죠. 전화 AI 안에는 바로 그 속기사가 들어 있는 셈입니다. 단, 이 속기사는 쉬지도 않고, 실수도 거의 없으며, 동시에 수백 명의 통화를 혼자 처리합니다.
글자가 되어야 AI가 '이해'할 수 있어요
AI는 사람처럼 소리를 바로 '느끼지' 못합니다. 목소리를 글자로 옮겨야 비로소 뜻을 파악할 수 있어요. STT가 없으면 AI는 그냥 소음만 듣고 있는 것과 마찬가지입니다. 글자로 바뀐 말은 AI가 뜻을 파악하고, 다시 TTS(Text-To-Speech, 글자→목소리)로 답변을 내보내는 순서로 이어집니다. STT → 이해 → TTS, 이 세 단계가 번개처럼 빠르게 돌아가기 때문에 대화가 자연스럽게 느껴지는 거예요.
왜 이렇게 빨라졌을까요?
예전에는 말을 다 들은 뒤에야 변환을 시작했어요. 마치 손님이 주문을 다 말해야 메모를 시작하는 직원처럼요. 하지만 요즘 STT는 말하는 도중에도 조각조각 글자로 바꾸는 방식을 씁니다. '삼겹살 2인분에—'까지만 들어도 이미 어느 정도 예측하며 준비하는 거죠. 덕분에 사장님 귀에는 '즉각 반응'처럼 들립니다.
위 대화에서 AI는 고객의 말이 끝나는 즉시 글자로 변환하고, 의미를 파악해 답합니다. 사람이 직접 받는 것처럼 느껴지는 이유가 바로 이 속도 때문이에요.
- 사장님 입장: 바쁜 점심시간에도 주문 전화를 한 통도 놓치지 않아요.
- 고객 입장: 기다리지 않고 바로 응답을 받으니 답답하지 않아요.
- 기록 입장: 통화가 글자로 남으니 나중에 확인하기도 쉽죠.
STT는 전화 AI의 '귀'입니다. 이 귀가 빠르고 정확할수록 가게 전화가 더 매끄럽게 돌아가는 것, 이제 조금 감이 오시나요?