키오스크·매장에서 음성 주문이 안 되는 이유와 확인할 것들

키오스크·매장에서 음성 주문이 안 되는 이유와 확인할 것들

조용한 사무실에서 잘 되던 음성 주문이 매장에 설치하는 순간 알아듣지 못하기 시작해요. 인식 엔진을 바꾸기 전에, 매장 환경에서 키오스크 마이크에 실제로 어떤 소리가 들어가고 있는지부터 확인하세요. 매장의 복합 소음을 이해하면, 엔진 교체 없이도 개선할 수 있는 부분이 보입니다.

현장 음성인식 실패를 진단하는 일반적인 프레임워크는 "음성인식이 현장에서 안 될 때, 입력 신호부터 확인하세요"에서 다루고 있어요. 이 글에서는 매장·키오스크라는 특정 환경에 집중합니다.

매장은 왜 실험실과 다른가

실험실에서 음성 주문을 테스트할 때는 보통 조용한 방에서 마이크 가까이에 서서 말해요. 이 조건에서는 대부분의 인식 엔진이 잘 작동합니다.

매장은 상황이 완전히 달라요. 일반적인 상업 공간의 배경 소음은 60-80 dB 수준으로 알려져 있는데, 이 안에 여러 종류의 소리가 동시에 섞여 있어요.

• 천장 스피커에서 나오는 BGM과 안내 방송
• 옆 테이블이나 대기줄의 다른 고객 대화
• 주방이나 조리 구역의 조리 소리와 기기 소음
• 에어컨, 환기 시스템의 지속적인 저주파 소음
• 키오스크 자체 스피커의 안내 음성 에코

이 소음들이 각각 다른 주파수 대역과 시간 패턴을 가지고 있어서, 단순히 "시끄러운 환경"이라고 뭉뚱그릴 수 없어요. 어떤 소음이 얼마나 영향을 주는지에 따라 대응 방법이 달라집니다.

매장 소음, 유형별로 나눠서 보기

매장 환경에서 키오스크 마이크에 영향을 주는 소음은 크게 다섯 가지로 나눌 수 있어요.

1. BGM과 안내 방송

매장 천장 스피커에서 나오는 음악과 안내 방송은 마이크에 꾸준히 들어가요. 특히 보컬이 있는 음악은 사람 음성과 주파수 대역이 겹쳐서, 인식 엔진이 고객 음성과 BGM 보컬을 혼동할 수 있어요.

BGM은 시간대와 관계없이 일정하게 존재하는 소음이라, 피크 시간이 아닐 때도 영향을 줍니다.

2. 주변 고객 대화

점심시간이나 저녁 피크에 고객 대화 소리가 크게 늘어나요. 문제는 이 소리도 사람 음성이라는 점이에요. 인식 엔진은 마이크에 들어오는 모든 음성을 대상으로 인식을 시도하기 때문에, 옆 사람의 말이 명령으로 잘못 인식되거나 목표 음성과 섞여서 인식률이 떨어져요.

시간대별로 인식률 차이가 크다면 (오전에는 잘 되는데 점심에 안 된다면) 이 원인을 의심할 수 있어요.

3. 주방·조리 소리

주방이 가까운 매장에서는 기름 튀기는 소리, 접시 부딪히는 소리, 믹서 소리 같은 충격성 소음이 간헐적으로 들어와요. 이런 소음은 짧고 강하게 발생하기 때문에, 해당 순간에 음성 명령이 겹치면 인식이 실패해요.

조리 구역과 키오스크 사이 거리와 차음 정도에 따라 영향이 크게 달라집니다.

4. 에어컨·환기 시스템

에어컨과 환기 팬은 저주파 대역의 지속적인 소음을 만들어요. 이 소음은 크게 느껴지지 않을 수 있지만, 마이크 입력의 전체적인 노이즈 플로어(noise floor)를 높여서 SNR(신호 대 잡음비)을 떨어뜨려요.

특히 키오스크가 에어컨 실외기나 환기구 근처에 설치된 경우 영향이 커질 수 있어요.

5. 키오스크 자체 스피커의 에코

키오스크가 안내 음성이나 확인 멘트를 재생하는 동안, 그 소리가 키오스크 자체 마이크에 다시 들어가요. 이것이 에코(echo)예요. 마이크와 스피커가 같은 기기에 있기 때문에 구조적으로 피하기 어렵습니다.

기기가 "주문하시겠습니까?"를 재생하는 동안 고객이 대답하면, 인식 엔진은 안내 멘트와 고객 음성이 섞인 입력을 받게 돼요. 에코 제거(AEC)가 적용되지 않으면 이 상황에서 인식률이 크게 떨어집니다.

범용 WebRTC AEC가 임베디드 환경에서 한계를 보이는 이유에 대해서는 별도 글에서 다루고 있어요.

키오스크 환경에 맞춘 입력 확인 3단계

매장에서 음성 인식이 안 되는 원인을 파악하려면, 키오스크 마이크에 실제로 들어가는 소리를 직접 확인하는 것이 가장 정확해요.

1단계: 매장 운영 시간에 키오스크 마이크 입력 녹음하기

키오스크가 실제로 사용되는 시간대(점심 피크, 저녁 피크)에 마이크 입력을 WAV 파일로 저장하세요. 인식 엔진에 들어가기 전의 원본 입력(raw input)을 확보하는 것이 핵심이에요. 조용한 오전 시간에도 한 번 녹음해서 비교 기준으로 사용하세요.

2단계: 녹음을 재생하며 소음 유형 확인하기

저장한 녹음을 직접 들어보면서, 위의 다섯 가지 소음 중 어떤 것이 주로 들리는지 확인하세요.

• BGM이 또렷하게 들리는가?
• 다른 사람의 대화가 구분 가능한 수준으로 들어오는가?
• 기기 안내 멘트가 울려서 다시 들리는가?
• 저주파 웅웅거림이 지속적으로 깔려 있는가?
• 간헐적으로 강한 충격음(접시, 조리)이 들어오는가?

사람 귀로 목표 음성을 구분하기 어렵다면, 인식 엔진도 같은 어려움을 겪고 있어요.

3단계: 시간대·위치별 비교하기

같은 키오스크에서 시간대별(조용할 때 vs 피크 시)로, 또는 매장 내 다른 위치에 설치했을 때 녹음을 비교하세요. 특정 시간이나 위치에서만 문제가 심하다면, 해당 조건의 소음이 주된 원인이에요.

소음 유형에 따라 대응이 달라져요

확인한 소음 유형에 따라 적합한 대응이 다릅니다. 전처리(Audio Front-End)로 줄일 수 있는 소음과, 물리적·설계적으로 대응해야 하는 소음을 구분하는 것이 중요해요.

음성 전처리는 마이크와 인식 엔진 사이에서 입력 신호의 품질을 높이는 계층입니다. 기존 인식 엔진을 유지하면서 전처리만 추가하는 것이 가능해요.

마이크를 하나만 쓸지, 여러 개(빔포밍)를 쓸지 판단이 필요하다면 "마이크 하나로 충분한가요?"를 참고하세요.

전처리로 해결하기 어려운 경우:

• 주문 단어 자체를 인식 못하는 경우, 소음이 아니라 엔진의 어휘·언어 모델 문제일 수 있어요. 메뉴 용어나 고유명사가 엔진에 학습되지 않은 경우입니다
• 마이크 하드웨어 자체가 불량한 경우, 특정 키오스크에서만 문제가 반복되면 마이크 점검이 필요해요
• 사용 환경을 바꿀 수 있는 경우, 키오스크 위치를 조용한 구역으로 이동하거나 차음 파티션을 설치하는 것이 전처리보다 효과적일 수 있어요
• 음성 대신 터치/화면 UI를 보완할 수 있는 경우, 소음이 극심한 시간대에는 음성 + 화면 확인 UI를 병행하는 것도 현실적인 선택이에요

마이크 배치와 사용자 거리, 키오스크만의 조건

키오스크에는 다른 제품과 다른 물리적 조건이 있어요.

사용자 거리가 일정하지 않다

스마트 스피커는 보통 한 자리에 앉아서 사용하지만, 키오스크 앞에서는 사람마다 서는 위치가 달라요. 30cm 가까이 서는 사람도 있고 1m 이상 떨어져서 말하는 사람도 있어요. 거리가 멀어질수록 음성 신호가 작아지고 상대적으로 소음 비중이 커져서 SNR이 낮아집니다.

마이크 위치가 화면에 고정되어 있다

키오스크의 마이크는 보통 화면 주변에 고정되어 있어요. 사용자의 입 높이와 마이크 높이가 다르면, 직접적인 음성 경로가 아닌 반사 경로로 소리가 도달할 수 있어요.

이 조건에서 고려할 것:

• 마이크를 화면 상단보다 사용자 입 높이(화면 중간~상단)에 배치하면 직접 경로를 확보하기 유리해요
• 다중 마이크를 사용하면 빔포밍으로 특정 방향의 음성을 선택적으로 수집할 수 있어요
• 마이크 주변에 바람막이(windscreen)를 설치하면 에어컨 바람에 의한 잡음을 줄일 수 있어요

다음 단계

매장 환경의 소음 유형을 파악하고 전처리가 필요하다고 판단했다면, 다음 정보를 정리하는 것부터 시작하세요.

• 키오스크 설치 위치: 매장 내 위치, 주방·스피커·에어컨과의 거리
• 주된 소음 유형: 위에서 확인한 소음 중 가장 영향이 큰 것
• 마이크 구성: 현재 마이크 수, 종류, 위치
• 시간대별 인식률 차이: 조용한 시간 vs 피크 시간의 차이
• 현재 사용 중인 인식 엔진: 엔진 종류와 버전
• 현재 적용된 전처리: 있다면 종류

참고로, mpWAV는 mpAB 모듈(mpAEC + mpBeamforming 통합) 기준으로 TTA 공인 시험에서 42.088 dB의 스테레오 에코·잡음 억제 성능을 실측한 바 있습니다(TTA 시험성적서, 2023, 중기부 디딤돌 과제). 이 수치는 mpAB 모듈 대상의 시험 결과이며, 특정 매장 환경에서의 성능을 직접 의미하지는 않아요. 실제 매장 환경에서의 효과는 PoC를 통해 확인하는 것이 정확합니다.

키오스크 설치 환경과 현재 겪고 있는 문제를 정리해서 문의하면, PoC 단계에서 매장 환경에 맞는 전처리 구성을 검토할 수 있습니다.

관련 글

• 음성인식이 현장에서 안 될 때, 입력 신호부터 확인하세요, 환경을 가리지 않는 일반적인 현장 진단 프레임워크
• 마이크 하나로 충분한가요?, 단일 마이크 vs 마이크 배열 선택 기준
• 음성 전처리란 무엇인가?, 전처리의 기본 개념과 역할
• WebRTC AEC로 에코가 안 잡힐 때, 범용 에코 제거의 한계
• 음성인식 엔진을 바꾸지 않고 인식률만 높일 수 있나요?, 기존 엔진 유지 + 전처리 추가