[데이터 구축 사례]영유아 발음 교정 립리딩 음성 인식 데이터 라벨링·구축 사례

음성 · 영상 AI 학습 데이터 구축 사례

영유아 발음 교정 립리딩 음성 인식 데이터 라벨링·구축 사례

산업 분야: 교육 · 에듀테크

영유아의 입 모양과 음성을 함께 분석하는 발음 교정 AI를 위해, 영상·음성 기반 립리딩 AI 학습 데이터를 기획부터 수집, 데이터 라벨링, 정제·가공까지 일괄 구축한 프로젝트입니다.

프로젝트 개요

고객사는 6~12세 영유아의 다양한 방향 립리딩 영상과 동기화된 음성 데이터를 확보하고, 발화 스크립트와 함께 고품질 데이터 라벨링 및 검수 프로세스를 거친 JSON 형식의 AI 학습 데이터 구축을 요청했습니다.

데이터 유형: 영유아 얼굴 영상(mp4) + 음성 음성(wav) + 스크립트 텍스트
라벨링 종류: 발화 문장 전사·정제, 발화 구간 타임스탬프 정렬, 화자·연령 등 메타데이터 태깅
참여 대상: 6~12세 영유아 약 수백 명 규모, 연령대별 발화 문장 수를 차등 설계하여 데이터 구축
납품 형태: JSON 포맷으로 영상·음성·텍스트가 연결된 구조 설계 및 데이터 구축
핵심 요구: 립리딩 모델 학습에 적합한 다양한 촬영 각도, 안정적인 발화 품질, 아동 개인정보 보호 및 동의서 절차 준수
품질 목표: AI 모델 학습에 바로 활용 가능한 수준의 라벨링 품질과 체계적인 검수 프로세스 확보

주요 작업 내용

영유아 대상 프로젝트 특성상, 발화 스크립트 설계부터 촬영 환경 구성, 전사·정제, 멀티모달 데이터 정합성 검증까지 단계별로 세밀한 작업이 필요했습니다.

TASK	작업 내용
요구사항 분석 및 설계	영유아 발음 교정 서비스에 필요한 립리딩 학습 요건을 정의하고, 연령대별 발화 난이도와 문장 길이를 고려해 스크립트 수량과 촬영 각도, 데이터 구조(JSON 스키마)를 설계했습니다.
영유아 스크립트 기획	6~9세, 10~12세 등 연령 그룹별로 약 수십~수백 문장 수준의 스크립트를 구성하고, 발음 교정에 유의미한 단어·문장을 중심으로 자연스럽게 읽을 수 있는 문장을 선별했습니다.
영상·음성 동시 촬영	영유아의 얼굴과 입 모양이 잘 드러나도록 정면·측면 등 다양한 방향에서 mp4 형식으로 촬영하고, 동시에 깨끗한 음성(wav)을 수집했습니다. 촬영 환경과 진행 방식을 표준화해 데이터 편차를 줄였습니다.
발화 전사 및 텍스트 정제	수집된 발화를 문장 단위로 전사하고, 오타·불필요 발화(머뭇거림, 중복 발화 등)를 정제했습니다. 표준어 기준으로 문장 형태를 통일해 모델 학습에 적합한 텍스트 라벨을 구축했습니다.
메타데이터 태깅 및 품질 검수	연령, 성별, 촬영 각도, 촬영 환경 등 메타데이터를 부여하고, 샘플 기반 2단계 검수로 전사 정확도와 영상·음성 싱크를 확인했습니다. 오류 건은 재가공 및 재검수 후 반영했습니다.
멀티모달 데이터 정합성 가공	자체 어노테이션 툴을 활용해 mp4 영상과 wav 음성, 전사 스크립트를 타임스탬프 기준으로 정렬하고, JSON 구조로 매핑했습니다. 립리딩 학습에 필요한 구간 정보와 파일 경로를 일관되게 구성했습니다.