실제 고반향 환경을 위한 HRRE 데이터베이스 구축 및 평가

초록

HRRE는 실제 회의실·다목적 홀 등에서 측정한 4가지 반향시간(RT)과 5가지 스피커‑마이크 거리(0.16~2.56 m)를 조합한 20개의 테스트 조건으로 구성된 13.4시간 분량의 고반향 음성 데이터베이스이다. Aurora‑4 청정 테스트 세트를 재녹음하여 만든 이 데이터는 반향시간과 거리 별 ASR 성능을 순수하게 평가할 수 있는 기반을 제공한다.

상세 분석

본 논문은 고반향 실내 환경에서의 자동음성인식(ASR) 성능 평가를 위해 전용 데이터베이스가 부족하다는 문제점을 지적하고, 이를 해결하기 위해 HRRE(Higher‑Reverberant Real Environment) 데이터베이스를 설계·구축하였다. 기존 CHiME·REVERB·ASpIRE 등은 실제 잡음과 복합적인 방 환경을 포함하지만, 반향시간(RT)과 스피커‑마이크 거리(d)의 독립적인 영향을 체계적으로 분석하기엔 한계가 있다. HRRE는 ISO 354:2003 및 ISO 3382‑1:2009 표준에 따라 63 m³, 100 m² 면적을 가진 실내 반향실을 이용해 0.47 s, 0.84 s, 1.27 s, 1.77 s 네 가지 RT를 구현하였다. 각 RT에 대해 0.16 m, 0.32 m, 0.64 m, 1.28 m, 2.56 m의 다섯 거리에서 Aurora‑4 청정 테스트(330문장)를 재녹음함으로써 총 20개의 조건을 만들었다. 녹음은 60 dBA SPL을 기준으로 사전 교정된 Bose V201a 스피커와 Earthworks M30 마이크, Focusrite Scarlett 2i2 인터페이스를 사용했으며, 배경소음은 37 dBA 이하로 유지하였다. 데이터는 크로스‑코릴레이션을 통해 원본과 정확히 정렬되었으며, 각 조건별 스펙트로그램을 제시해 반향 효과가 거리와 RT에 따라 어떻게 변하는지 시각적으로 확인한다. HRRE는 13.4시간(≈20 × 330 문장)의 고품질 레코드로, 연구자들이 RT와 거리 변수만을 제어한 상태에서 ASR 알고리즘(예: 딥러닝 기반 전처리, dereverberation, 적응형 언어 모델)의 내성을 정량적으로 비교할 수 있게 한다. 또한, 데이터 요청이 공개 웹사이트(http://www.lptv.cl/en/hrre/)를 통해 가능하도록 함으로써 재현성 및 확장성을 확보하였다. 한계점으로는 잡음이 거의 없는 정적 환경에 국한되어 있어 실제 서비스 시나리오(배경소음, 다채널 마이크 등)와의 격차가 존재한다는 점이다. 향후 연구에서는 잡음 혼합, 다채널 녹음, 다양한 방 형태를 추가해 데이터베이스를 보강할 필요가 있다.