한국어 발음 연습을 위한 음향 모델 학습용 음성 데이터의 수준 검토 = Exploring the Required Level of Speech Data for Training Acoustic Models in Korean Pronunciation Practice

국문 초록 (Abstract)

이 연구에서는 한국어 발음 교육을 위한 맞춤형 음향 모델 학습에 필요한 음성 데이터의 양적, 질적 수준을 검토해 보고자 하였다. 특히 개인 연구자가 수집 가능한 규모의 음성 데이터로 음향 모델의 학습이 유의미하게 이루어지는지 확인하고자 하였다. 이를 위해, 한국어 교육 전공자 6명, 연구자 본인, 귀화 외국인의 음성 데이터를 수집하여 음향 모델을 학습시켰다. 그리고 한국어 파열음 '가-까-카'를 분류하는 실험을 진행하였으며, 각 음성 데이터에 따른 인식 양상을 테스트하였다. 그 결과, 한국어 모어 화자의 음성 데이터로 학습된 음향 모델은 외국인 발음 분류에 적합하지 않았다. 반면에 개별 화자의 음성 데이터로 학습한 모델은 높은 인식 정확성을 보였다. 게다가 소수의 음성 데이터를 복사하여 사용하더라도 발음 분류에서 높은 정확성을 나타냈다. 이 연구는 적은 양의 음성 데이터로도 맞춤형 발음 학습용 애플리케이션 개발이 가능함을 실증적으로 확인하였다. 이는 개별 학습자 맞춤형 발음 교육의 측면에서 유의미한 결과로, 향후 실제 학습자를 대상으로 한 실용성 검토와 피드백 제공 애플리케이션 개발에 기초자료로 기여하는 바가 있을 것이다.

다국어 초록 (Multilingual Abstract)

This study examined the quantitative and qualitative levels of speech data required for training customized acoustic models for Korean pronunciation education. Specifically, it aimed to verify whether fine-tuning acoustic models is possible with a scale of speech data that individual researchers can collect. The experiment focused on classifying Korean plosives 'ga-kka-ka' and utilized speech data from six Korean language education majors, the researcher, and a naturalized foreigner. The study employed Naver's 'Entry' acoustic model for training and tested recognition patterns. Results showed that acoustic models trained with native Korean speakers' speech data were not suitable for classifying foreign pronunciations. Conversely, models trained with individual speakers' data (the researcher and the naturalized foreigner) demonstrated high recognition accuracy. Notably, even using a small number of copied speech data yielded high recognition accuracy in pronunciation classification. This study empirically confirmed that developing customized pronunciation learning applications is possible with a small amount of speech data. These findings are significant for individualized pronunciation education and are expected to serve as a foundation for future practical evaluations with actual learners and the development of feedback-providing applications.