비유창성
다른 이름: 군더더기 말
업데이트
정의
비유창성은 유창한 말의 흐름이 끊기는 모든 경우를 말합니다. “음”, “어” 같은 군더더기 말, 반복된 단어, 잘못 시작한 말, 스스로 고친 말이 여기에 해당합니다. 자연스러운 말에는 이런 것이 가득하지만, 완성된 글에는 하나도 없습니다.
비유창성을 없애는 것은 전사본을 글로 바꾸는 첫 단계이자 가장 눈에 띄는 부분입니다. 미묘한 부분은 군더더기와 의미를 구별하는 일입니다. 반복된 단어는 말이 꼬인 것일 수도, 강조일 수도 있고, 잘못 시작한 말은 잡음일 수도, 의도적인 정정일 수도 있습니다(“three hundred, scratch that, four hundred dollars”).
도구마다 처리 방식은 전혀 처리하지 않는 것(원본 전사본)부터 규칙 기반 군더더기 말 제거, 언어 모델을 이용한 전면적인 정리까지 다양하며, 맨 끝으로 갈수록 의도한 말까지 바꿔 쓸 위험이 있습니다.
비유창성의 종류
머뭇거리는 소리: 음, 어, 그리고 모든 언어에 있는 비슷한 말. 담화 표지: 뭐랄까, 그러니까, 약간처럼 아무 뜻 없이 쓰일 때. 반복: “회의 회의”, “제 제 생각에는”. 잘못 시작한 말: 하다 만 구절을 다시 시작하는 것. 스스로 고친 말: “아니 잠깐”, “scratch that”, “제 말은”으로 신호를 주고 한 값을 다른 값으로 바꾸는 것. 각각 다르게 처리해야 하며, 마지막 경우가 흥미롭습니다. 올바른 출력은 단어를 지우는 것이 아니라 정정한 내용을 살리는 것이기 때문입니다.
규칙, 모델, 또는 둘 다
머뭇거리는 소리와 반복은 규칙으로 없애도 안전합니다. “음”은 의도한 단어인 경우가 없습니다. 담화 표지는 더 까다롭습니다. 영어의 “like”는 동사로 쓰일 때도 있기 때문입니다. 스스로 고친 말은 좁은 규칙이 가장 잘 맞는 경우입니다. “아니 잠깐” 앞뒤가 시간, 숫자, 요일처럼 같은 종류라면 앞의 것을 뒤의 것으로 바꾸는 것이 확실하며, 모델이 필요 없습니다. 그보다 느슨한 것은 모두 엄격한 지침을 받은 언어 모델의 몫입니다. 의도하지 않은 말은 없애고, 의도한 말은 절대 고쳐 쓰지 않는 것입니다.
주의해야 할 실패 유형
과도한 정리입니다. 말을 글처럼 읽히게 하라는 지시를 받은 모델은 기회만 있으면 문장을 줄이고, 사용자의 단어를 자기 단어로 바꾸고, 핵심이었던 완곡한 표현을 빼 버립니다. 시험 방법은 간단합니다. 평소와 다른 단어를 골라 받아쓰고, 그 단어가 남는지 보세요. 군더더기 말은 없애고 단어는 지키는 도구는 제 일을 하고 있는 것입니다. 문장을 더 낫게 다듬는 도구는 요청하지 않은 다른 일을 하고 있는 것입니다.
군더더기 말을 줄여 받아쓰는 방법
군더더기 말을 다루는 가장 깔끔한 방법은 덜 말하는 것입니다. 군더더기 말은 대개 소리로 채운 쉼이며, 이 습관은 대화에서 생깁니다. 대화에서는 침묵하면 다른 사람이 말을 시작하기 때문입니다. 받아쓰기 도구는 끼어들지 않으므로 소리 없이 쉬어도 됩니다.
Apple의 기본 받아쓰기에서는 그럴 여유가 충분합니다. Apple에 따르면 받아쓰기는 30초 동안 음성이 감지되지 않을 때만 자동으로 중단됩니다.
- 받아쓰기를 시작하기 전에, 대략적으로라도 문장을 정해 두세요.
- 한 번에 한 문장씩 말하고, 문장이 끝나면 멈추세요.
- 생각할 시간이 필요하면 입을 다물고 아무 말도 하지 마세요. 소리 없는 쉼은 텍스트에 아무것도 남기지 않습니다.
- 조금 천천히 말하세요. 군더더기 말은 입이 다음 생각보다 앞서 나갈 때 나옵니다.
- 실수하면 문장을 중간에 다시 시작하지 말고, 문장을 끝낸 뒤 고치세요.
- 받아쓴 내용을 다시 읽고 가장 많이 쓰는 군더더기 말을 기록해 두면, 다음에 그 말을 의식할 수 있습니다.
정확도 벤치마크에서 “um”을 세지 않는 이유는 무엇인가요?
많은 벤치마크 설정이 오류를 세기 전에 두 전사본에서 군더더기 말을 지우기 때문입니다. Whisper 논문과 함께 공개된 텍스트 정규화기는 단어 오류율을 계산하기 전에 기준 텍스트와 모델 출력에서 hmm, mm, mhm, mmm, uh, um이라는 단어를 제거합니다.
그 결과, 공개된 정확도 수치로는 군더더기 말에 대해 아무것도 알 수 없습니다. um을 전부 쓰는 모델과 하나도 쓰지 않는 모델이 같은 점수를 받을 수 있습니다. 군더더기 말이 문서에 들어가는지는 모델을 감싼 도구의 특성이며, 직접 테스트해야 합니다.
받아쓰기 도구가 비유창성을 어떻게 처리하는지 테스트하는 방법
짧은 테스트로 군더더기 말을 신중한 규칙으로 제거하는 도구와, 너무 많이 제거하거나 전혀 제거하지 않는 도구를 구별할 수 있습니다. 아래 각 줄을 머뭇거림까지 적힌 그대로 받아쓰고, 결과를 의도한 내용과 비교하세요.
- “보고서가 음 거의 어 끝났어요”처럼 군더더기 말로 쉼을 채운 문장을 받아쓰세요. 두 군더더기 말은 사라지고 나머지 단어는 모두 남아야 합니다.
- “제 제 생각엔 회의가 회의가 옮겨졌어요”처럼 말을 더듬은 문장을 받아쓰세요. 중복된 단어는 한 번만 나와야 합니다.
- “정말 정말 긴 하루였어요”처럼 일부러 반복한 문장을 받아쓰세요. 반복은 강조이므로 두 단어가 모두 남아야 합니다.
- “그 두 번째 안이 좋아요”처럼 “그”를 실제 단어로 쓴 문장을 받아쓰세요. 이 단어는 지워지면 안 됩니다.
- “월요일에 아니 잠깐 화요일에 보내 줘”처럼 스스로 고쳐 말한 문장을 받아쓰세요. 고친 값이 나오는지, 두 값이 모두 나오는지, 틀린 값이 나오는지 확인하세요.
- “제 생각엔 아마 기다리는 게 좋겠어요”처럼 실제로 뜻하는 완곡한 표현을 받아쓰세요. “제 생각엔”이나 “아마”가 빠져 있다면 그 도구는 정리하는 것이 아니라 다시 쓰는 것입니다.
자주 묻는 질문.
받아쓰기 소프트웨어가 “음”, “어”를 없애 주나요?
좋은 도구는 반복된 단어, 잘못 시작한 말과 함께 자동으로 없애 줍니다. 원본 전사본만 내놓는 도구는 그대로 남깁니다. 대부분의 시스템에 내장된 받아쓰기도 대부분 그대로 남깁니다.
받아쓰는 도중에 말을 정정하면 어떻게 되나요?
스스로 고친 말을 처리하는 도구에서는 “월요일, 아니 잠깐, 화요일”이라고 말하면 화요일이 입력됩니다. 가장 안전한 구현은 두 값이 같은 종류일 때 규칙으로 처리하고, 느슨한 경우는 서식 모델에 맡깁니다.
군더더기 말을 없애다가 내가 의도한 뜻이 바뀔 수 있나요?
“음”과 반복을 규칙으로 없애는 방식은 뜻을 바꿀 수 없습니다. 자유롭게 고쳐 쓰는 언어 모델은 문장을 줄이거나 말을 바꿔 뜻을 바꿀 수 있습니다. 내용어가 그대로 남는다고 약속하는 도구를 찾고, 바뀌면 바로 알아챌 문장으로 시험해 보세요.
받아쓸 때 “음” 소리를 내지 않으려면 어떻게 하나요?
소리 대신 침묵을 쓰세요. 시작하기 전에 문장을 정하고, 한 번에 한 문장씩 말하고, 생각할 시간이 필요하면 말하지 말고 쉬세요. 소리 없는 쉼은 텍스트에 아무것도 더하지 않습니다.
군더더기 말은 단어 오류율에서 오류로 집계되나요?
집계되지 않는 경우가 많습니다. 예를 들어 Whisper 논문의 텍스트 정규화기는 점수를 매기기 전에 두 전사본에서 hmm, mm, mhm, mmm, uh, um을 제거하므로, 군더더기 말은 공개된 수치에 득도 실도 되지 않습니다.
군더더기 말과 잘못 시작한 말의 차이는 무엇인가요?
군더더기 말은 “음”이나 “어”처럼 쉼을 채우는 소리나 단어입니다. 잘못 시작한 말은 말을 꺼냈다가 그만두고 다르게 다시 말하는 구절입니다. 둘 다 비유창성이지만, 잘못 시작한 말에는 실제 단어가 들어 있어서 제거하려면 더 신중해야 합니다.
