핵심 요약
통화 녹음을 텍스트로 옮기기 전에, 그 통화가 이루어진 지역에서 녹음 자체가 합법이었는지부터 확인해야 한다. 지역마다 모든 당사자의 동의가 필요한지, 한 사람만 동의하면 되는지가 다르며, 이 문제는 녹음 버튼을 누르기 전에 이미 정리되어 있어야 한다. 그 이후는 기술적인 문제다. 통화 음질은 협대역이라 코덱이 텍스트 변환에 필요한 세부 정보를 상당 부분 버리고, 게다가 많은 녹음이 양쪽 음성을 한 채널에 섞어버려서 누가 말했는지 구분하기가 불안정해진다. 숫자, 철자, 주소가 가장 취약한 부분이다. 텍스트를 그대로 믿지 말고 원본 음성과 대조해서 확인해야 한다.
파일이 하나 있다. 그 안에서 누군가 중요한 말을 했다 — 숫자든, 날짜든, 이름이든, 약속이든 — 그리고 나중에 근거로 삼을 수 있도록 텍스트로 남기고 싶다. 파일을 텍스트로 바꾸는 일 자체는 쉬운 부분이다. 결과물을 믿을 수 있을지 없을지를 가르는 두 가지는 이미 파일을 열기 전에 정해져 있다. 그 녹음이 허용된 것인지, 그리고 음성이 어떤 방식으로 담겼는지다.
법적인 문제부터 짚어보자. 이건 기술과는 아무 상관이 없고, 아무리 정성껏 옮겨 적어도 하면 안 되는 녹음을 되돌릴 수는 없다.
녹음이 합법이었는지가 먼저다
전화 통화를 녹음해도 되는지는 통화 당사자들이 어디에 있었는지에 따라 달라진다. 지역마다 규정이 다르다. 어떤 곳에서는 통화에 참여한 모든 사람의 동의가 필요하다. 다른 곳에서는 한 명만 동의하면 충분한데, 그 한 명이 녹음하는 사람 자신이어도 된다. 이 둘은 실제로 전혀 다른 규칙이며, 자신에게 어느 쪽이 적용되는지는 음성 파일을 들어봐서 알 수 있는 문제가 아니다.
이는 법적 문제이지 기술적 문제가 아니다. 이 점이 생각보다 중요한 이유는, 답이 녹음이 이루어진 그 순간에 이미 확정되었다는 뜻이기 때문이다. 그 뒤에 무엇을 하든 답은 바뀌지 않는다. 텍스트로 옮겨도 바뀌지 않는다. 파일 일부를 지워도 바뀌지 않는다. 나중에 상대방에게 동의를 구한다고 해서 처음의 녹음 행위가 소급해서 다른 것이 되지도 않는다.
통화 상대방이 다른 지역에 있었다면 둘 이상의 규정이 동시에 적용될 수 있는데, 이런 경우야말로 어디서 읽은 내용으로 짐작하지 말고 자신이 있는 지역의 법을 실제로 아는 사람에게 물어봐야 한다. 짧은 대화 한 번으로 끝날 일이고, 그 녹음을 바탕으로 무언가를 시작하기 전에 해두면 된다.
그렇다고 이미 가지고 있는 파일을 무조건 포기해야 한다는 뜻은 아니다. 많은 통화 녹음은 모두가 알고 있는 상태에서 이루어지거나, 한 사람의 동의만으로 충분한 지역에서 이루어지거나, 통화에 실제로 참여한 사람이 스스로 참고하려고 남긴 것이다. 다만 그 텍스트를 돌리거나, 거기서 인용하거나, 어딘가에 첨부하기 전에 이 문제를 먼저 정리해두어야 한다. 텍스트로 옮긴 자료는 음성 파일보다 훨씬 멀리, 훨씬 빠르게 퍼진다.
통화 음성이 방에서 녹음한 것보다 어려운 이유
전화 통화는 협대역(narrowband)이다. 통화를 실어 나르는 코덱은 파일로 기록되기 전에 소리의 상당 부분을 버리는데, 사람이 실시간으로 대화를 따라갈 수 있을 정도만 남기면 되기 때문이다. 사람은 맥락으로 빈 곳을 채우는 데 매우 능숙하다. 텍스트 변환은 그 능력이 사람보다 떨어지는데, 비슷한 소리를 구별하는 데 쓰였을 세부 정보가 바로 코덱이 버린 부분이기 때문이다.
그래서 같은 사람이 같은 문장을 말해도, 탁자 위에 놓인 녹음기로 담았을 때가 전화선을 통해 담았을 때보다 텍스트 변환 정확도가 더 높다. 한쪽 소프트웨어가 더 좋아서가 아니다. 통화 파일 안에 그 정보 자체가 없는 것이다. 이후에 무엇을 해도 복원되지 않는다 — 노이즈 제거도, 음량 정규화도, 다른 도구에 한 번 더 돌려도 소용없다. 코덱을 통과하고 남은 것만 가지고 작업하는 셈이다.
여기에 실제 통화의 일반적인 조건이 더해지면 상황은 더 나빠진다. 한 사람은 걸어 다니고 있다. 다른 한 사람은 연결 상태가 나빠서 음절 단위로 음성이 끊긴다. 누군가 다른 사람의 말에 끼어든다. 방에서 한 녹음이라면 말이 겹치는 부분도 어렵게나마 처리할 수 있지만, 압축된 통화에서는 대개 복구가 불가능하고, 텍스트 변환 결과는 그 사실을 알려주는 대신 조용히 한쪽 목소리만 골라 텍스트에 담고 나머지는 빼버린다.
스피커폰 통화를 다른 기기로 녹음하기
통화를 스피커폰으로 켜놓고 다른 휴대폰이나 휴대용 녹음기로 녹음하는 방법은 그럴듯한 우회책처럼 느껴진다. 실제로는 원본보다 더 나쁘다. 통화 반대쪽 음성은 이미 협대역으로 압축된 상태인데, 그 압축된 소리를 작은 스피커로 재생해서 벽에 부딛혀 울리는 소리와 방 안의 잔향, 그리고 그 밖의 온갖 소음까지 함께 다시 담는 셈이다. 코덱이 만들어낸 손실은 그대로 남고 그 위에 새로운 손실이 하나 더 쌓인다.
기기나 서비스가 통화를 직접 녹음할 수 있다면 그 방법을 쓰는 게 낫다. 스피커폰 방식은 최후의 수단이며, 정밀함이 필요한 일에 쓰기 전에 그것이 최후의 수단이라는 사실을 알아두는 게 좋다.
채널이 하나냐 둘이냐가 화자 구분을 가른다
많은 통화 녹음은 대화 양쪽 음성을 하나의 채널에 섞어버린다. 모든 소리가 한 줄기로 합쳐지면, 두 사람을 구분할 수 있는 가장 확실한 신호 — 각자가 통화의 어느 쪽에 있었는지 — 가 사라진다. 남는 것은 목소리 자체의 특징, 즉 음높이와 말하는 속도, 음색뿐이다. 이 방식은 서로 다른 목소리 둘을 구분할 때는 그나마 낫지만 비슷한 목소리 둘을 구분할 때는 잘 안 되고, 협대역 음성에서는 더 잘 안 되는데, 그 목소리를 구분해줄 특징이야말로 코덱이 버린 종류의 세부 정보이기 때문이다.
양쪽 음성이 서로 다른 채널로 나뉘어 저장된 경우라면 화자 구분은 훨씬 믿을 만해진다. 채널 하나가 곧 한 사람이다. 추론할 필요가 없다. 사용하는 녹음 도구에 이런 선택 옵션이 있다면, 이것이야말로 찾아둘 만한 설정이고, 통화가 끝난 뒤가 아니라 시작하기 전에 찾아두는 게 좋다.
섞인 채널로 녹음된 자료를 다룰 때는 화자 라벨을 정확한 기록이 아니라 도움이 되는 추측 정도로 받아들여야 한다. 대체로 길게 끊기지 않고 이어지는 구간에서는 맞고, 화자가 바뀌는 순간, 특히 두 사람이 서로 말을 끊는 지점에서는 틀리기 쉽다. 텍스트의 핵심이 누가 무엇에 동의했는지라면, 바로 그 화자가 바뀌는 순간이 정확해야 하는 부분이므로 그 지점들은 원본 음성과 따로 대조해봐야 한다.
파일에서 텍스트 뽑아내기
통화 녹음을 파일로 내보내고 나면 그것은 더 이상 ‘통화’가 아니다. 그저 평범한 음성 파일이 되고, 다른 음성 파일과 똑같이 텍스트로 옮길 수 있다. 내보내는 방법은 제각각이다. 녹음 앱, 전화 시스템, 통신사마다 다르고, 대개 녹음 파일 자체의 공유 버튼이나 점 세 개로 된 메뉴 어딘가에 그 옵션이 있다. 먼저 파일을 꺼내고, 그다음부터는 그것을 ‘전화 통화’가 아니라 그냥 ‘음성’으로 생각하면 된다.
여기부터는 텍스트로 옮기고 싶은 다른 음성 파일과 같은 과정이다. SozAI는 iOS, Android, macOS에서 99개 이상의 언어로 화자 라벨, 요약, 번역 기능과 함께 녹음을 텍스트로 옮겨준다. 여기서 앱을 받을 수 있고, 같은 방식으로 음성 메일도 처리할 수 있는데, 음성 메일 역시 같은 이유로 협대역이라 비슷하게 동작한다. SozAI는 여러 선택지 중 하나일 뿐이며, 어떤 도구를 고르느냐보다 입력하는 파일의 품질이 훨씬 중요하다.
이번이 통화 한 건이 아니라 몇 달 치가 쌓인 폴더 전체라면 문제의 성격이 달라진다. 한 문장을 찾기 위해 전부 텍스트로 옮기는 것은 대개 잘못된 접근이다. 더 유용한 목표는 그것을 읽는 게 아니라 쌓여 있는 통화 녹음 전체를 검색할 수 있게 만드는 것이다.
녹음이 증거로 쓰일 수도 있다면
나중에 스스로 무슨 말이 있었는지 확인하려고 남긴 녹음과 증거로 쓰이는 녹음은 요구되는 기준이 다르다. 개인적으로 참고하는 용도라면 다소 거친 텍스트도 괜찮다. 무슨 일이 있었는지는 이미 알고 있고, 텍스트는 그저 기억을 돕는 보조 자료일 뿐이다. 하지만 공식적인 용도라면 원본 파일을 손대지 않은 상태로 보존해야 하는 경우가 대부분이다.
즉 기기에서 나온 그대로 파일을 보관해야 한다는 뜻이다. 앞부분의 무음 구간을 잘라내지 말고, 상관없는 중간 부분을 잘라내지도 말아야 한다. 크기를 줄이려고 다른 형식으로 다시 내보내지도 말고, 음량을 정규화해서 새 파일을 만들어내는 도구에 돌리지도 말아야 한다. 이런 작업은 모두 파생물을 만들어낼 뿐이고, 무게를 갖는 것은 원본이다. 복사본으로 작업하고 원본은 그대로 남겨둬야 한다.
이런 상황에서 텍스트는 녹음을 대체하는 것이 아니라 녹음 곁에 놓이는 작업용 문서 역할을 한다. 관련된 30초를 사람들이 빨리 찾도록 도와줄 뿐이다. 그 30초에 실제로 담긴 내용은 녹음 그 자체다. 녹음이 애초에 증거로 인정될 수 있는지는 별개의 문제이고, 이 역시 녹음의 합법성을 물었던 그 사람에게 물어볼 문제다.
여전히 직접 확인해야 하는 부분
통화 이후 사람들이 가장 필요로 하는 부분은 숫자, 철자, 주소다. 참조 번호, 금액, 성(姓)의 철자, 어느 거리인지 같은 것들이다. 이런 부분이야말로 협대역 음성이 가장 심하게 손상시키는 부분이기도 한데, 앞뒤 맥락이 없기 때문이다. 문장 하나는 주변 단어들로 재구성할 수 있다. 일곱 자리 숫자는 그럴 수 없다. 숫자 하나가 틀려도 주변 음성에는 그것을 알려줄 신호가 전혀 없고, 텍스트는 그 틀린 숫자를 다른 모든 것과 똑같이 아무 의심 없는 태도로 보여준다.
그러니 통화 텍스트에 나오는 숫자, 이름, 주소는 확인해야 할 대상으로, 곧바로 써도 되는 정보로 취급하지 말아야 한다. 텍스트에서 찾아서, 음성의 그 순간으로 이동해서, 직접 들어봐야 한다. 항목당 1분 정도 걸리지만, 그 차이가 바로 실제로 근거로 쓸 수 있는 텍스트와 그럴듯해 보이기만 하는 텍스트를 가른다. 어떤 세부 정보가 틀렸을 때 대가가 따를 정도로 중요하다면, 그게 바로 확인해야 하는지 판단하는 기준이다.
나머지 부분에 대해서도 기대치를 그에 맞게 조정하면 된다. 전화 통화의 텍스트는 대체로 내용의 큰 틀 — 대화의 흐름, 무엇이 제안되었는지, 무엇이 받아들여졌는지, 의견 차이의 어조 — 을 담아내는 데는 괜찮은 기록이다. 정밀한 세부 사항에 대해서는 그보다 약한 기록이고, 두 사람이 동시에 말하거나 연결이 끊긴 부분에서는 더 약해진다. 어느 부분을 믿어도 되는지 아는 것이 거의 전부다. 텍스트는 대화를 빠르게 검색할 수 있는 형태로 보여주고, 필요한 순간에 정확히 음성으로 되돌아갈 길을 만들어준다. 음성을 대체하지는 못하며, 협대역 파일에서는 원래부터 그럴 수 없는 일이었다.
