02-구조

02 — Voice Mode 구조

파이프라인

[마이크] 음성
   ↓
[음성 인식 ASR] 텍스트
   ↓
[Cowork 모델] 의도 해석 + 도구 호출
   ↓
[음성 합성 TTS] 응답 음성
   ↓
[스피커]

이 위에 사용자가 보는 시각 패널이 함께 떠 있어, 모델이 무엇을 말했는지·어떤 도구를 호출했는지 텍스트로도 같이 보여 줍니다.

두 가지 트리거 방식

1. 눌러서 말하기(Push-to-Talk) — 키 누르고 있는 동안만 듣기. 안전.
2. 상시 듣기(Always-on) — 호출어(“Cowork야”)로 깨움. 편하지만 오인식 위험.

처음 도입할 때는 눌러서 말하기부터.

인식 정확도 흔들리는 요인

• 주변 소음
• 한국어 ↔ 영어 코드 스위칭
• 긴 문장 한 번에 — 짧은 문장으로 끊어 말하기
• 고유명사/사내 용어 — 사전에 등록해 두면 정확도 상승

결과 형식

• 요약은 음성, 목록·코드·숫자는 화면
• 음성으로만 받으면 놓치기 쉬움 — 항상 시각 채널과 병행

종료

음성 세션도 명시적으로 닫으세요. 켜진 채로 두면 의도치 않은 발화가 트리거가 됩니다.