대상 독자: 본 문서는 독서 펜 라인에 마이크 노이즈 억제 사양을 정해야 하는 하드웨어 구매 담당자와 오디오 펌웨어 엔지니어를 대상으로 합니다. MEMS 마이크의 기본 개념은 이미 숙지하고 있으며, 2026년 신제품 적용을 위해 스펙트럴 서브트랙션, Wiener 필터, RNNoise와 같은 순환 신경망(RNN) 방식 중에서 선택해야 하는 상황을 가정합니다.
독서 펜은 일종의 녹음 기기입니다. K7, KF1, L5, Q6, Q8, T2, Y6 모든 모델에는 최소 하나의 MEMS 마이크가 탑재되며, L5, T2, Y6에는 빔포밍을 위한 마이크가 두 개 장착됩니다. 마이크는 세 가지 용도로 사용됩니다. 첫째, 음성 인식(아이가 단어를 발음하면 펜이 정확도를 검증), 둘째, 음성 검색(아이가 "화산이 뭐야"라고 질문), 셋째, 인터컴 모드(부모 앱이 펜을 통해 아이의 주변 소리를 청취)입니다. 세 가지 기능 모두 교실 소음, HVAC 저주파 hum, 태블릿 오디오 누출, 주변 아이들의 잡담이 마이크 신호에 섞이면 정상적으로 작동하지 않습니다. 본 문서는 현재 11개 양산 모델(B1, B2, F8, K7, KF1, L5, P2, Q6, Q8, T2, Y6)에 실제로 적용된 세 가지 노이즈 억제 방식을 비교 분석하며, SNR 개선 효과, MIPS 소모, ASR 정확도 향상폭, 그리고 조달 단계에서 이를 사양 문구로 고정하는 방법까지 함께 다룹니다.
1. 독서 펜에서 노이즈 억제가 선택이 아닌 이유
독서 펜은 소형 마이크 기반 음성 입력에 극도로 불리한 음향 환경에서 사용됩니다. 가장 가혹한 시나리오는 교실입니다. 25~30명의 아이들로 인한 25~35 dBA 주변 소음, 45 dBA의 프로젝터 팬 소음, 50 dBA의 HVAC 소음이 동시에 존재합니다. 가정 환경은 다소 낫지만 여전히 문제가 됩니다. 맞은편 TV에서 나오는 60 dBA, 주방 가전의 55 dBA, 형제자매의 잡소리 50 dBA가 대표적입니다. 교실에서는 펜과 입 사이 거리가 보통 5~15 cm, 가정에서는 1~3 cm이므로, 마이크 입력에서의 음성 레벨은 −10~−25 dBFS, 주변 소음은 −40~−30 dBFS 수준입니다. 따라서 별도의 처리 없이도 마이크 입력단 SNR은 흔히 5~20 dB에 불과합니다.
조용한 실내의 성인 화자에 대해서는 최신 ASR 엔진이 5 dB SNR에서도 충분히 작동합니다. 하지만 시끄러운 교실의 아이 화자에 대해서는 동일한 엔진이 실패합니다. 아동 음성은 기본 주파수가 높고 발음 일관성이 낮으며, 음성 대 잡음 비율이 훨씬 불리합니다. ASR 엔진 진입 전에 SNR을 6~10 dB 끌어올리는 노이즈 억제 단계가 있어야 펜이 발음을 정확하게 검증할 수 있으며, 그렇지 않으면 펜이 아이에게 같은 단어를 세 번 연속 틀렸다고 알려주는 결과로 이어집니다.
당사가 출하한 47,000대 이상의 제품에서 마이크 관련 고객 지원 건을 분류해 보면 다음과 같습니다. 41%는 "시끄러운 방에서 ASR 결과가 틀렸다", 22%는 "음성 검색이 트리거되지 않는다", 19%는 "인터컴 모드 음성이 알아들을 수 없다", 18%는 "펜이 자기 자신의 오디오를 녹음한다"입니다. 잘 선정된 노이즈 억제 알고리즘 하나가 현장 데이터 기준으로 상위 세 카테고리 발생률을 40~60% 감소시킵니다.
2. 노이즈 억제 알고리즘의 세 가지 계열
실제 독서 펜 양산 펌웨어에서 사용되는 노이즈 억제 방식은 세 가지입니다. 이 세 방식은 상호 호환되지 않습니다.
스펙트럴 서브트랙션 방식은 가장 오래되고 비용이 가장 저렴합니다. 알고리즘은 무성 구간에서 잡음 스펙트럼을 추정한 뒤, floor를 두어 노이즈가 섞인 음성 스펙트럼에서 이를 차감합니다. Cortex-A5에서 5 MIPS 미만의 부하로 동작하며, 정상성 잡음(HVAC, 팬) 환경에서 약 4~6 dB의 SNR 개선을 보이지만, 비정상성 잡음(아이들의 잡담) 환경에서는 2 dB 미만의 개선에 그칩니다. 또한 가청 영역의 "musical noise" 아티팩트 — 짧은 톤성 잡음 — 을 생성하며, 이는 아이들에게 혼란을 줍니다.
비너 필터링 및 MMSE 추정기 방식은 그 다음 단계입니다. 잡음에 대한 통계 모델을 기반으로 클린 음성 스펙트럼을 추정하며, 약 6~9 dB의 SNR 개선과 musical noise 감소 효과를 동시에 제공합니다. Cortex-A5에서의 MIPS 부하는 8~15 수준입니다. 이 방식은 B1, B2, F8, K7, KF1, P2, Q6, Q8 플랫폼에서 사용되는 주력 알고리즘입니다.
순환 신경망 기반 노이즈 억제 방식(RNNoise, DeepFilterNet 등)이 현재의 모던한 접근법입니다. 수천 시간의 노이즈 섞인 음성으로 학습된 소형 GRU 네트워크가 주파수 빈별로 suppression mask를 추정합니다. SNR 개선 폭은 9~14 dB이며, 비정상성 잡음에도 안정적으로 대응하고 musical noise 아티팩트가 발생하지 않습니다. MIPS 부하는 Cortex-A53에서 25~45 수준입니다. 이 알고리즘은 L5, T2, Y6 플랫폼에 적용되어 있으며, RNNoise 커밋 1cfd9a6 (2024년 6월 릴리스)으로 통합되어 있습니다.
구매 담당자가 접근 방식을 선택할 때의 판단 기준은 명확합니다. $5 미만의 BOM 원가 압박이 있으면 스펙트럴 서브트랙션, 메인스트림 프로그램은 Wiener, 프리미엄 및 교실 배포형 프로그램은 RNNoise입니다.
3. 모델별 노이즈 억제 기준선
아래 표는 11개 모델의 양산 펌웨어에 실제로 적용된 사양을 요약한 것입니다. "Suppression algorithm"은 구체적인 라이브러리명을, "MIPS cost"는 16 kHz 모노 기준 측정값을, "SNR improvement"은 표준 노이즈 섞인 음성 코퍼스에서 입력 SNR과 출력 SNR 간의 dB 차이를, "ASR accuracy uplift"는 교실 소음 테스트셋에서 단어 인식률의 절대 %p 개선 폭을 의미합니다.
| 모델 | 마이크 수 | 잡음 제거 | MIPS | SNR 개선 | ASR 정확도 향상 | 펌웨어 |
|---|---|---|---|---|---|---|
| B1 | 1 | 비너 MMSE | 12 | 6.5 dB | +7.2 pp | 2.4.7 |
| B2 | 1 | 비너 MMSE | 12 | 6.8 dB | +7.5 pp | 2.4.7 |
| F8 | 1 | 스펙트럼 서브 | 4 | 4.2 dB | +4.0 pp | 3.1.2 |
| K7 | 1 | 비너 MMSE | 14 | 7.4 dB | +8.1 pp | 1.9.5 |
| KF1 | 1 | 비너 MMSE | 14 | 7.4 dB | +8.1 pp | 1.9.5 |
| L5 | 2 | RNNoise | 38 | 11.8 dB | +14.2 pp | 4.2.0 |
| P2 | 1 | 스펙트럼 서브 | 4 | 4.0 dB | +3.6 pp | 2.0.3 |
| Q6 | 1 | 비너 MMSE | 14 | 7.6 dB | +8.4 pp | 3.3.1 |
| Q8 | 1 | 비너 MMSE | 14 | 7.6 dB | +8.4 pp | 3.3.1 |
| T2 | 2 | RNNoise | 42 | 12.4 dB | +15.1 pp | 2.6.4 |
| Y6 | 2 | RNNoise | 38 | 12.0 dB | +14.6 pp | 2.6.4 |
F8과 P2 플랫폼은 가장 약한 성능을 보이는데, 이는 구형 Cortex-A7 실리콘이 AAC 디코딩과 OID 룩업을 동시에 처리하면서 정식 Wiener 필터에 필요한 MIPS를 확보할 수 없기 때문에 스펙트럼 차감을 사용하기 때문입니다. L5, T2, Y6 플랫폼이 라인업 전체에서 큰 차이로 선두를 차지합니다. 실제 교실 환경에서 L5에 RNNoise를 적용하면 K7의 Wiener 필터 대비 두 배에 달하는 ASR 정확도 향상을 얻을 수 있습니다.
4. RNNoise 내부 구조와 우수성의 이유
RNNoise는 Opus를 설계한 동일한 기관인 Xiph.Org의 Jean-Marc Valin이 설계한 소규모 순환 신경망입니다. 이 아키텍처는 의도적으로 최소화되어 있으며, 22개 주파수 대역에서 동작하는 24개 은닉 유닛의 GRU와 대역별 게인 마스크를 추정하는 소형 출력 MLP로 구성됩니다. 총 파라미터 수는 약 12,000개의 가중치로, L5의 L2 캐시에 수용되고 Cortex-A53에서 38 MIPS로 실행될 만큼 충분히 작습니다.
학습 데이터의 중요성은 아키텍처 이상입니다. RNNoise는 깨끗한 음성(DNS Challenge 데이터셋, 500시간 이상), 잡음 소스(동일 데이터셋, 150시간 이상의 카페테리아 잡음, 교실 잡음, 가정 잡음), 그리고 인공적으로 혼합된 잡음 음성 혼합물로 학습됩니다. 그 결과 비정상 잡음(non-stationary noise)을 자연스럽게 처리하는 모델이 되며, 이는 다른 아이가 말을 시작할 때 RNNoise가 스펙트럼 차감 알고리즘처럼 이를 새로운 “잡음 플로어”로 고정하지 않는다는 것을 의미합니다.
L5, T2, Y6에서 RNNoise는 16 kHz 모노로 동작하며(MEMS 마이크가 기본 24 kHz로 캡처한 신호를 다운샘플링), ASR 엔진으로 전달되는 16 kHz 깨끗한 음성 출력을 생성합니다. 모델 파일은 플래시에서 250 KB로, 96 kbps의 AAC 클립 두 개 정도의 크기입니다. 이것이 플랫폼에서 RNNoise 운영에 필요한 총 저장 공간입니다.
5. RNNoise가 ASR 엔진과 상호작용하는 방식
흔한 구매 실수는 RNNoise를 사양에 명시하고 다운스트림 ASR 엔진이 자동으로 개선될 것이라고 가정하는 것입니다. 실제로는 개선되지만, SNR 개선분이 시사하는 전체 14 퍼센트 포인트만큼은 아닙니다. ASR 엔진 자체에 내장된 잡음 강건성이 있으며, 두 계층은 명백하지 않은 방식으로 상호작용합니다.
온디바이스 ASR 엔진에 RNNoise를 공급하는 L5의 경우, 교실 잡음 환경에서 종단 간 단어 정확도 개선은 +14.2 퍼센트 포인트(기준 58%에서 RNNoise 적용 시 72.2%)입니다. RNNoise와 아동 음성에 맞춰 미세 조정된 약간 더 강력한 ASR 엔진을 갖춘 T2에서는 개선 폭이 +15.1 퍼센트 포인트입니다. 스펙트럼 차감을 사용하는 F8에서 동일한 ASR 엔진은 +4.0 퍼센트 포인트의 개선만 달성하는데, 이는 스펙트럼 차감이 ASR 엔진이 활용하기에는 너무 많은 잔류 잡음을 남기기 때문입니다.
상호작용은 곱셈적입니다. SNR 개선이 6 dB인 잡음 억제 알고리즘이 SNR 개선이 10 dB인 알고리즘보다 더 많은 ASR 정확도를 얻는 경우가 있는데, 이는 dB가 낮은 알고리즘이 더 깨끗한 스펙트럼 프로파일을 가지기 때문입니다. K7의 Wiener MMSE는 L5의 RNNoise보다 SNR이 약간 낮지만, 음악적 잡음(musical noise)이 적은 스펙트럼 프로파일을 생성하며, 이는 ASR 엔진이 선호하는 특성입니다. K7의 종단 간 ASR 정확도는 +8.1 pp이며, L5는 +14.2 pp입니다. 두 수치 모두 각 플랫폼에 대한 올바른 답입니다.
6. 스펙트럼 차감이 정답인 경우
RNNoise가 항상 최선의 답은 아닙니다. B1, B2, F8, P2에서 스펙트럼 차감이 허용되거나 오히려 선호되는 세 가지 시나리오가 있습니다. 첫째, 단발성 가정 시나리오로, 조용한 방에서 부모가 아이를 supervision하고 주변 잡음이 35 dBA 미만인 경우 스펙트럼 차감으로 충분합니다. 둘째, 비용 중심 프로그램으로, BOM 압박이 현실이며 RNNoise 모델 파일의 비용을 감당할 수 없는 경우가 해당됩니다. RNNoise의 250 KB는 절대적인 크기로는 크지 않지만, 오디오 파티션 여유 공간이 4 MB에 불과한 B1에서는 의미 있는 용량입니다. 셋째, 배터리 제약 프로그램 38 MIPS의 RNNoise 부하가 B1의 5.0시간 사용 시간을 30분 단축시킬 수 있는 반면, 4 MIPS의 스펙트럼 차감은 배터리 수명을 그대로 유지합니다.
학교 납품에는 RNNoise가 정답입니다. 소비자 가정용에서는 OEM이 흡수할 BOM 원가와 목표 가격대에 따라 선택이 달라집니다.
7. RNNoise의 한계 및 실패 모드
RNNoise는 만능이 아닙니다. 현장에서 세 가지 실패 모드가 나타나며 설계 단계에서 이를 고려해야 합니다. 첫째, 음성 유사 잡음 오인: RNNoise는 때때로 아기 울음, 휘파람, 노랫소리와 같은 음성 유사 신호를 "잡음"으로 분류하여 억제합니다. 여러 자녀가 있는 가정에서는 거슬리지만, 한 자녀용 펜 사용 환경에서는 수용 가능합니다. 둘째, 파열음 과도 억제: /p/ 또는 /t/의 첫 5 ms가 약간 감쇠되어 발음 검증의 선명도가 떨어질 수 있습니다. 이를 보완하기 위해 RNNoise 적용 전에 2 kHz 이상 대역에 +3 dB 프리엠퍼시스를 적용하고, 이후 디엠퍼시스로 보정합니다. 셋째, 음악 억제: RNNoise는 음악을 잡음으로 취급하여 억제합니다. 교실 ASR 환경에서는 문제가 없지만, L5의 인터컴 모드 음악 공유 기능은 RNNoise를 우회해야 합니다.
RFQ를 작성하는 구매 담당자에게 이러한 한계는 두 가지 사양 항목으로 정리됩니다. 첫째, "잡음 억제는 음성 시작 시 과도 응답(onset transient)을 시작 후 5 ms 시점에서 ±2 dB 이내로 보존해야 한다." 둘째, "잡음 억제는 비음성 오디오(음악, 인터컴)를 위한 우회 모드를 포함해야 하며, 전환 시간은 100 ms 미만이어야 한다."
8. 마이크 자체: 하드웨어 사전 조건
RNNoise와 Wiener 필터링은 소프트웨어 알고리즘이며, SNR 개선 수치는 MEMS 마이크에서 캡처된 신호가 비교적 양호하다는 전제 위에 성립합니다. 마이크 배치가 부적절하면 알고리즘으로 복구할 수 없습니다. 11개 전 모델에 적용되는 세 가지 하드웨어 사전 조건이 있습니다. 첫째, MEMS 마이크의 SNR은 최소 62 dB(A) 이상이어야 하며, K7, KF1, L5, Q6, Q8, T2, Y6은 64 dB(A) MEMS 유닛을 사용합니다. 둘째, 마이크 포트 직경은 최소 0.8 mm 이상이어야 하고 하우징에 의해 가려지지 않아야 합니다. F8과 P2는 2024년 초기 펌웨어에서 포트 막힘 문제가 있었으며, 3.1.2에서 이를 수정했습니다. 셋째, 마이크는 스피커로부터 최소 25 mm의 플라스틱 또는 실링 개스킷에 의해 음향적으로 격리되어야 합니다. 이 격리가 없으면 스피커 재생 음이 마이크로 누설되어 AEC와 잡음 억제 모두에 혼란을 줍니다.
리딩펜 제품 포트폴리오는 모든 세 가지 사전 조건을 금형 단계에서 보장합니다. 새로운 ODM으로부터 구매하는 수입업체의 경우, 오디오 펌웨어 납품을 수락하기 전에 반드시 확인해야 할 세 가지 하드웨어 항목입니다.
9. 구매 계약서에 잡음 억제 사양 작성 방법
RFQ 문구에는 알고리즘 클래스와 SNR 개선 목표를 명시해야 합니다: "마이크 잡음 억제는 표준 교실 잡음 테스트 셋(주변 30 dBA, 25명 아이들 웅성거림, HVAC 50 dBA)에서 음성 레벨 −20 dBFS, 16 kHz 모노 측정 시 SNR 개선 10 dB 이상을 달성해야 한다. 알고리즘 클래스: 미드티어 플랫폼은 Wiener MMSE, 프리미엄 플랫폼은 RNN 기반(RNNoise 또는 동등 제품). ASR 정확도 향상은 동일 테스트 셋에서 무억제 베이스라인 대비 최소 +10 퍼센트포인트여야 한다."
세 가지 세부 사항이 중요합니다. 첫째, 테스트 말뭉치를 반드시 명시해야 합니다 — 당사는 12개 학교 지구에서 수집한 큐레이션된 교실 잡음 말뭉치를 사용합니다. 카페 잡음이나 거리 잡음으로 테스트하는 공급업체는 SNR 수치를 부풀려 보고할 수 있습니다. 둘째, ASR 엔진을 반드시 명시해야 합니다 — 고성능 클라우드 ASR와 페어링된 잡음 억제 알고리즘과 온디바이스 ASR와 페어링된 동일한 알고리즘은 서로 다른 수치를 산출합니다. 셋째, 테스트 신호 레벨을 반드시 명시해야 합니다 — −20 dBFS 음성에서 SNR 개선은 11.8 dB, −10 dBFS 음성에서는 9.4 dB, −30 dBFS 음성에서는 14.1 dB입니다. 레벨이 결과를 좌우합니다.
구매자 팁: 목표 납품 환경에서 녹음한 30초 클립으로 자체 잡음 억제 테스트를 직접 수행하십시오. 자사 잡음 억제가 "업계 최고"라고 주장하는 공급업체는 검증을 위한 샘플 클립을 기꺼이 제공해야 합니다. 제공을 거부한다면 그 주장은 마케팅 문구로 간주하십시오.
10. 의사결정 매트릭스 및 권장 사항
2026년에 시작되는 신규 리딩펜 프로젝트에는 Cortex-A53 코어 이상 기반 플랫폼(L5, T2, Y6)에 Cortex-A53 코어 이상을 탑재한 모든 플랫폼에서 RNNoise 미드티어 K7, KF1, Q6, Q8 플랫폼에는 중급 K7, KF1, Q6, Q8 플랫폼에서 비너 MMSE. B1, B2, F8, P2 기반의 원가 중심 프로젝트에서는 기존 스펙트럼 차감이 가정용으로는 수용 가능하지만, 학교 납품이 목표라면 Wiener MMSE로 교체해야 합니다.
잡음 억제 사양을 작성하는 수입업체가 계약을 마무리할 문구는 다음과 같습니다: "마이크 잡음 억제는 표준 교실 잡음 말뭉치에서 SNR 개선 10 dB 이상, 무억제 베이스라인 대비 ASR 정확도 향상 +10 퍼센트포인트 이상을 달성해야 하며, 비음성 오디오용 우회 모드를 포함하고 시작 후 5 ms 시점에서 음성 시작 과도 응답을 ±2 dB 이내로 보존해야 한다."