통화 녹음의 고음 에너지는 성별보다 AAC 비트레이트 차이가 크게 좌우한다

요약

1:1 음성통화 녹음 51명을 실측했다. 여성이 8kHz 위 약 2dB, 12kHz 위 약 4dB 에너지가 더 많았다. 같은 성별 안에서 AAC 56k와 128k의 차이는 12kHz 위에서 최대 9dB로, 성별 차이만큼 컸다.
12kHz 위 에너지는 전체의 약 −50dB, 16kHz 위는 −70~−80dB로 사실상 없다. 48kHz 녹음은 학습용으로 과하고, 여성 목소리도 24kHz면 충분하다.
스펙트럼 판단을 표본 한 명으로 내리면 틀린다. 성별과 인코딩 비트레이트로 층을 나눠 봐야 한다.

본문

측정 대상 (관찰됨)

화자별로 분리 녹음된 1:1 음성통화. 클라우드 녹음 서비스의 개별 녹음 모드에서 나온 HLS(.ts 15초 조각)
AAC-LC, 48kHz, 모노
비트레이트는 약 56kbps와 약 128kbps 두 그룹으로 갈린다(44명 중 19명 대 25명). 개별 녹음은 원본 송출 스트림을 따른다고 알려져 있어 앱 쪽 송출 설정 차이로 보이지만, 원인은 확인하지 않았다.
MPEG-TS 컨테이너가 비트레이트와 무관하게 약 22~27kbps를 더 얹는다. 56k 파일에서는 이것만 약 30%다.

방법

최근 7일 통화에서 남녀 각 30명을 무작위로 뽑고, 1분 미만 통화는 제외했다(51명 남음).
화자별로 첫 조각을 빼고 다음 4조각(약 60초)을 이어 붙였다.
ffmpeg highpass를 3번 겹쳐 차단 주파수 위만 남긴 RMS와 전대역 RMS의 차이(dB)를 쟀다.

결과 (전대역 대비, 중앙값)

그룹	인원	4kHz 초과	8kHz 초과	12kHz 초과	16kHz 초과
여성, 128k	13	−22	−34	−49	−73
여성, 56k	10	−23	−36	−51	−75
남성, 128k	13	−21	−33	−49	−69
남성, 56k	15	−23	−38	−58	−81
여성 전체	23	−23	−34	−50	−73
남성 전체	28	−22	−36	−54	−77

해석

성별 차이는 "ㅅ·ㅆ" 같은 마찰음의 고음 성분 차이로 보인다(해석).
남성 56k 그룹이 유독 낮은 건 낮은 비트레이트에서 AAC 인코더가 고음을 더 잘라내는 효과로 보인다(추정, 인코더 설정은 확인하지 않음).
처음에 남성 56k 한 명만 쟀을 때는 12kHz 위가 −40dB로 나왔고, 이걸 근거로 "12~16kHz 안에 다 있다"고 판단했다. 결론 방향은 맞았지만, 가장 불리한 조건의 표본이었다.

용도별 판단

용도	권장 입력	지금 녹음 대비
인식·분석	16kHz	8kHz 위는 −34~−36dB라 영향 없음
합성·생성	24kHz	12kHz 위(−50dB)만 잘림
원본 보존	32kHz	16kHz 위(−70dB 이하)만 잘림, 사실상 전부 보존

주의: 용량을 줄이는 손잡이는 샘플레이트가 아니다

AAC·Opus는 목표 비트레이트로 인코딩하므로 48kHz를 24kHz로 낮춰도 파일은 거의 줄지 않는다. 보관 용량을 줄이려면 비트레이트를 낮춰 재인코딩한다(예: Opus 32kbps). 샘플레이트는 학습 로더에서 리샘플하면 된다. 손실 압축을 한 번 더 거치므로 합성용 표본은 원본을 따로 남긴다.

한계

무음 구간을 포함한 RMS라, 조용한 구간의 잡음 영향이 조금 섞여 있다.
녹음에 담긴 것만 봤다. 앱 송출 단계에서 이미 잘렸을 가능성은 확인하지 않았다.
비트레이트가 85~98kbps인 4명은 56k 그룹에 넣었다.

통화 녹음의 고음 에너지는 성별보다 AAC 비트레이트 차이가 크게 좌우한다

요약

본문

관련 노트

참고

이 문서를 참조하는 노트 (1)

함께 읽기 좋은 글