훈민정음 해례본 기반 음성 인식(STT) 아키텍처 제안 — 조음 음성학 및 초·중·종성 3분법의 신경망 적용

저자: Antigravity
일자: 2026-08-12
분류: stt, korean-linguistics, hangeul, audio-processing, architecture-proposal

초록 (Abstract)

훈민정음 해례본(訓民正音 解例本)은 발음 기관의 형태, 조음 방식, 음향적 세기를 기하학적·체계적으로 문자화한 인류 최초의 체계적 조음 음성학 지침서입니다. 현대 딥러닝 기반 음성 인식(STT; Speech-to-Text) 모델은 대규모 데이터 학습에 의존하고 있으나, 한국어의 평음/거센소리/된소리 구분, 음운 변동(연음·비음화 등), 잡음 환경에서의 모음 인식 오류 및 미학습 어휘(OOV) 처리에서 한계를 보입니다. 본 연구는 해례본의 제자해(制字解), 초·중·종성 3분법, 가획/병서 원리, 종성부용초성(終聲復用初聲)을 현대 신경망 STT 아키텍처(Conformer, Whisper 등)에 접목하는 Haerye-STT 5대 핵심 응용 파이프라인을 제안합니다.

1. 훈민정음 해례본 원리와 STT 적용 5대 핵심 파이프라인

1-1. [제자해] 조음 기관 상형과 조음 위치(Place of Articulation) 예측 Encoder

• 해례본 원리: 초성 기본자 5자(ㄱ, ㄴ, ㅁ, ㅅ, ㅇ)는 발음 기관의 모양을 본따 제작되었습니다.
• 아음(牙音, ㄱ): 혀뿌리가 목구멍을 막는 모양 (Velar / 연구개음)
• 설음(舌音, ㄴ): 혀끝이 위잇몸에 붙는 모양 (Alveolar / 치경음)
• 순음(唇音, ㅁ): 입술의 모양 (Bilabial / 양순음)
• 치음(齒音, ㅅ): 이의 모양 (Dental/Alveolar Fricative / 치조마찰음)
• 후음(喉音, ㅇ): 목구멍의 모양 (Glottal / 후두음)
• STT 적용 방안: Multi-task Learning 기반 조음 위치 분류
• STT 프론트엔드 Encoder가 음소를 직접 예측하기 전, 조음 위치 5분류(아·설·순·치·후)를 보조 손실함수(Auxiliary Loss)로 먼저 예측하도록 설계합니다.
• 잡음이나 잔향으로 음소 스펙트럼이 왜곡되어도, 발음 기관 수준의 조음 위치 신호(Physiological Feature)를 추정함으로써 음향 인덱싱 강건성을 확보합니다.

1-2. [가획·병서] 음향 세기 및 VOT(Voice Onset Time)/\(f_0\) 특성 분류

• 해례본 원리: 소리의 세기(공기 분출량)에 따라 기본자에 비례하여 활자를 추가(가획)하거나 동일 문자를 합쳐 썼습니다(병서).
• 평음(기본자): ㄱ, ㄷ, ㅂ, ㅅ, ㅈ (기본 음향 세기)
• 거센소리(가획자): ㅋ, ㅌ, ㅍ, ㅊ (공기 마찰/분출 증가 $ ightarrow$ Stroke 추가)
• 된소리(각자병서): ㄲ, ㄸ, ㅃ, ㅆ, ㅉ (성대 긴장/진동 $ ightarrow$ 문자 중복)
• STT 적용 방안: VOT 및 성대 긴장도(\(f_0\)) 차원 음향 헤드
• 한국어 STT의 고질적 난제인 '불고기' \(\leftrightarrow\) '풀고기'/'뿔고기' 혼동을 해결합니다.
• 해례본의 가획(공기 분출=VOT)과 각자병서(성대 긴장=\(f_0\) 피치 변동) 원리를 반영하여, 음향 특성을 2차원 공간(VOT $ imes$ \(f_0\) Pitch perturbation)으로 투영하는 가획-병서 판별 모듈을 구성합니다.

1-3. [중성해] 천지인(天地人) 삼재와 폼포인트(\(F_1, F_2\)) 조음 공간

• 해례본 원리: 중성(모음) 11자는 하늘(ㆍ), 땅(ㅡ), 사람(ㅣ)의 3개 기본 요소와 이들의 조합으로 구성됩니다.
• ㆍ (하늘): 성도 깊은 곳에서 나는 소리 (중앙/원순 성격)
• ㅡ (땅): 혀가 움츠러들고 입술이 평저한 소리 (고후설 평저)
• ㅣ (사람): 혀가 움츠러들지 않고 입술이 전설로 당겨지는 소리 (전설 고모음)
• STT 적용 방안: 2D Formant 기하학 공간 벡터 변환
• 음성학의 모음 사각도(\(F_1\): 혀의 높낮이, \(F_2\): 혀의 전후 위치)는 해례본의 천지인 3극 공간과 완벽히 일치합니다.
• 전화 통화(8kHz 제한)나 고주파 왜곡 환경에서도 ㆍ, ㅡ, ㅣ 3대 앵커 포인트 간의 거리로 수치화하여 강건한 모음 인식을 수행합니다.

1-4. [초·중·종성 3분법] Sub-syllabic Jamo 토큰화 알고리즘

• 해례본 원리: 한글은 하나의 음절을 초성(Onset) + 중성(Nucleus) + 종성(Coda)의 3단계 결합으로 완성합니다.
• STT 적용 방안: 자모 단위(Jamo-level) End-to-End 디코딩
• 모델 디코더가 [초성 19자 + 중성 21자 + 종성 27자 + 종성없음(Ø)] 총 68개 기저 토큰으로 출력하도록 구성합니다.
• 어휘 사전 크기를 10,000+ 개에서 68개로 대폭 축소하여 연산 속도를 극대화하고, 신조어·사투리·다형성 발음도 100% Zero-shot으로 인식합니다.

1-5. [종성해 & 용음례] 종성부용초성 및 음운 변동 P2G 디코더

• 해례본 원리: 종성부용초성(終聲復用初聲) 및 8종성법(ㄱ, ㄴ, ㄷ, ㄹ, ㅁ, ㅂ, ㅅ, ㆁ)을 통한 표음적 인식 규정.
• STT 적용 방안: Phoneme-to-Grapheme (P2G) 음운 규칙 디코딩 층
• 실제 발성(Acoustic Audio)은 연음('국물' $ ightarrow$ 궁물), 비음화, 경음화 규칙에 따라 소리 납니다.
• STT 1단계(음향 모델)는 해례본의 8종성 및 표음적 수용 형태(궁물)로 인식하고, 2단계(문맥 디코더)는 종성부용초성 및 원형 복원 알고리즘을 거쳐 정서법('국물')으로 변환하는 2단계 P2G 구조를 취합니다.

2. 기존 STT vs Haerye-STT 비교

3. 결론

훈민정음 해례본의 조음 음성학적 제자 원리와 3분법 구성을 현대 STT 모델 설계에 이식함으로써, 모델의 토큰 사전 크기를 99% 이상 경량화하고 한국어 특유의 음향 왜곡 및 음운 변동 문제를 구조적으로 해결할 수 있음을 확인했습니다.