목록으로
생활 속 AI 활용
말이 늦은 딸을 위한 딸바보 아빠의 AI 수첩: 오늘 우리는 몇 번 말을 주고 받았을까?
하루 녹음을 AI로 분석해, 말이 늦은 딸과 얼마나 말을 주고받고 언제 놓치는지 찾았습니다
🤖 활용 AI 도구
Claude
① 어떤 상황에서 AI를 활용했나요?
19개월 딸이 말이 늦어 재활센터에 다니게 되었습니다. 아이가 아직 어려 직접 치료하기보다 부모 교육을 먼저 하는데, 이때 LENA라는 소리 측정 도구를 썼습니다. 아이가 녹음기를 옷에 달고 하루를 지내면, 아이 기준에서 들은 어른 말의 양, 아이가 낸 소리, 어른과 아이가 소리를 주고받은 횟수를 세어 줍니다.
선생님들은 "말을 많이 들려주고, 많이 주고받으세요"라고 합니다. 하지만 그 "많이"가 어느 정도인지, 우리는 얼마나 하고 있는지 알 수가 없었습니다. 측정은 2주에 한 번 받을까 말까 하고, 결과지도 하루 합계와 시간대별 막대 정도라서 누가 무엇을 어떻게 바꾸면 되는지 알 수 없었습니다.
그래서 우리 집 하루 대화를 기록하는 'AI 수첩'을 직접 만들어 보기로 했습니다. 처음 분석한 녹음은 10월 3일, 아침 9시에 일어나서부터 밤 9시 46분 잠들 때까지 재활센터의 LENA 녹음기로 하루 종일 녹음한 대화입니다. 같은 녹음의 LENA 결과가 있어야 우리 AI가 얼마나 비슷하게 세는지 비교할 수 있기 때문입니다.
LENA 녹음기는 재활센터 것이라 집에 두고 쓸 수 없고, 자세한 분석 데이터도 받을 수 없습니다. 게다가 오래된 기기라 아이 옷이 늘어질 정도로 무겁습니다. 그래서 집에서는 1만 원짜리 소형 녹음기를 아이 옷에 달아 씁니다. 훨씬 가볍고 작고 저렴합니다. 시중에서 파는 집게로 옷에 달았고, 이 녹음기로 녹음한 파일도 같은 방식으로 분석되는 것을 시험해 봤습니다.
② 어떤 AI를 어떻게 활용했나요?
Claude에게 "LENA처럼 아이와 어른이 말을 주고받은 횟수를 세고 싶다"는 목표를 설명했습니다. 그리고 Claude와 함께 공개된 음성 AI 모델을 골라 연결하고 분석 코드를 만들었습니다. 녹음 하나를 다섯 가지 질문으로 나눠 분석했습니다.
만들어진 코드는 직접 실행하거나 앱처럼 간편하게 쓸 수 있도록 만들 수 있었고, 제가 그 코드를 읽거나 신경 쓸 필요는 없었습니다. 모델 이름의 뜻을 몰라도 괜찮았습니다. AI가 골라 준 여러 모델이 아래 일을 나눠 맡았습니다.
1) 누가 말했나: VTC 2.2(아기 녹음용 화자 구분 모델)로 우리 아이, 다른 아이, 어른 남자, 어른 여자를 구분
2) 무슨 말을 했나: sherpa-onnx 한국어 음성인식
3) 주변에서 무슨 소리가 났나: CED-mini로 자동차, TV, 물소리, 울음 같은 소리를 인식
4) 어른 말이 몇 단어였나: ALICE로 음절 수를 세어 단어 수를 추정
5) 그때 무엇을 하고 있었나: Claude가 5분마다 말의 양, 주변 소리, 인식된 단어("시동", "카트", "양치" 등)를 읽고 '차량 이동, 장보기, 식사, 씻기, 그림책' 같은 상황 이름을 붙임
이 결과를 1분 단위 하루 타임라인과 시간대별 표로 정리했습니다.
③ 활용 결과 어떤 변화가 있었나요?
보고 싶은 항목을 하나씩 추가해 나가며, LENA보다 훨씬 다양한 항목을 볼 수 있게 되었습니다. LENA 결과지와 비교했을 때 측정 경향도 비슷해졌습니다. LENA도 정답은 아니지만, 2주에 한 번 받는 측정과 비슷하게 나오니 그 사이의 날에도 집에서 참고치로 쓸 수 있게 되었습니다.
덕분에 우리가 아이에게 들려주는 말과 주고받는 대화가 얼마나 부족했는지 확인할 수 있었습니다.
10월 3일의 경우 하루 주고받기는 350번이었고, 그중 약 80%가 다섯 시간(아침 식사와 음악 놀이, 그림책, 카페와 산책, 놀이터, 저녁 실내 놀이)에 몰려 있었습니다. 가장 많았던 때는 그림책을 읽던 11시로 한 시간에 80번이었고, 차로 이동하거나 마트에 간 시간에는 거의 없었습니다. 다음 날 기록과 비교하면 얼마나 늘었는지도 쉽게 볼 수 있었습니다.
매일 측정하니 전날 기록을 피드백 삼아 더 대화하려고 노력하게 되었습니다. 저희처럼 직접 치료보다 부모 교육이 먼저인 어린 아이, 아직 말이 트이지 않은 아이에게는 이런 작은 변화가 쌓이는 것이 중요하다고 느낍니다. 저희는 조금 늦게 시작했지만, 생후 3개월 무렵부터 이렇게 우리 집 대화를 돌아볼 수 있었다면 발달이 늦지 않은 아이에게도 언어 발달에 도움이 되었을 것이라는 생각이 들었습니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
LENA 결과지만으로는 아쉬운 부분이 있었습니다. 그래서 그때 무엇을 하고 있었는지(차량 이동, 식사, 그림책 등)를 AI로 붙였습니다. 하루 합계보다 장면별 숫자가 저희가 보기에 훨씬 쓸모 있었습니다.
또 어른 목소리를 남자와 여자로 나눠 보니, 엄마와 아빠 중 누가 언제 더 많이 말을 거는지도 볼 수 있었습니다.
우리 아이의 지난 기록과 날마다 비교하고, 일상을 돌아보는 참고 자료로 쓸 수 있었습니다.
영어권에서 만든 측정 방식이 한국어를 쓰는 우리 집에서도 맞는지, 우리 집 녹음으로 직접 확인했습니다.
⑤ 다른 사람도 따라 할 수 있나요?
녹음만 할 수 있다면 누구나 AI로 따라 할 수 있습니다. 녹음기가 없다면 휴대폰으로도 됩니다. 휴대폰을 아이 몸에 달기 어려우면 멀리서 나는 소리 때문에 오차가 생길 수 있지만, 한 장소에서 함께 노는 시간처럼 아이 가까이에 둘 수 있을 때는 차이가 작을 것으로 봅니다.
예를 들어 녹음을 글로 바꾼 뒤 AI에게 "아이와 어른이 5초 안에 말을 주고받은 횟수를 10분 단위로 세고, 그때 무엇을 하고 있었는지 정리해 줘. 진단은 하지 마"라고 물으면 됩니다.
프롬프트를 직접 쓰지 않아도, 제가 만든 분석 방법을 AI 도구에 연결(MCP)하거나 녹음 파일을 보내 결과를 받는 방식으로도 쓸 수 있습니다.
아이 목소리와 대화 내용은 공개되지 않으며, 이 기록은 진단이 아니라 집에서 참고하는 용도입니다.
19개월 딸이 말이 늦어 재활센터에 다니게 되었습니다. 아이가 아직 어려 직접 치료하기보다 부모 교육을 먼저 하는데, 이때 LENA라는 소리 측정 도구를 썼습니다. 아이가 녹음기를 옷에 달고 하루를 지내면, 아이 기준에서 들은 어른 말의 양, 아이가 낸 소리, 어른과 아이가 소리를 주고받은 횟수를 세어 줍니다.
선생님들은 "말을 많이 들려주고, 많이 주고받으세요"라고 합니다. 하지만 그 "많이"가 어느 정도인지, 우리는 얼마나 하고 있는지 알 수가 없었습니다. 측정은 2주에 한 번 받을까 말까 하고, 결과지도 하루 합계와 시간대별 막대 정도라서 누가 무엇을 어떻게 바꾸면 되는지 알 수 없었습니다.
그래서 우리 집 하루 대화를 기록하는 'AI 수첩'을 직접 만들어 보기로 했습니다. 처음 분석한 녹음은 10월 3일, 아침 9시에 일어나서부터 밤 9시 46분 잠들 때까지 재활센터의 LENA 녹음기로 하루 종일 녹음한 대화입니다. 같은 녹음의 LENA 결과가 있어야 우리 AI가 얼마나 비슷하게 세는지 비교할 수 있기 때문입니다.
LENA 녹음기는 재활센터 것이라 집에 두고 쓸 수 없고, 자세한 분석 데이터도 받을 수 없습니다. 게다가 오래된 기기라 아이 옷이 늘어질 정도로 무겁습니다. 그래서 집에서는 1만 원짜리 소형 녹음기를 아이 옷에 달아 씁니다. 훨씬 가볍고 작고 저렴합니다. 시중에서 파는 집게로 옷에 달았고, 이 녹음기로 녹음한 파일도 같은 방식으로 분석되는 것을 시험해 봤습니다.
② 어떤 AI를 어떻게 활용했나요?
Claude에게 "LENA처럼 아이와 어른이 말을 주고받은 횟수를 세고 싶다"는 목표를 설명했습니다. 그리고 Claude와 함께 공개된 음성 AI 모델을 골라 연결하고 분석 코드를 만들었습니다. 녹음 하나를 다섯 가지 질문으로 나눠 분석했습니다.
만들어진 코드는 직접 실행하거나 앱처럼 간편하게 쓸 수 있도록 만들 수 있었고, 제가 그 코드를 읽거나 신경 쓸 필요는 없었습니다. 모델 이름의 뜻을 몰라도 괜찮았습니다. AI가 골라 준 여러 모델이 아래 일을 나눠 맡았습니다.
1) 누가 말했나: VTC 2.2(아기 녹음용 화자 구분 모델)로 우리 아이, 다른 아이, 어른 남자, 어른 여자를 구분
2) 무슨 말을 했나: sherpa-onnx 한국어 음성인식
3) 주변에서 무슨 소리가 났나: CED-mini로 자동차, TV, 물소리, 울음 같은 소리를 인식
4) 어른 말이 몇 단어였나: ALICE로 음절 수를 세어 단어 수를 추정
5) 그때 무엇을 하고 있었나: Claude가 5분마다 말의 양, 주변 소리, 인식된 단어("시동", "카트", "양치" 등)를 읽고 '차량 이동, 장보기, 식사, 씻기, 그림책' 같은 상황 이름을 붙임
이 결과를 1분 단위 하루 타임라인과 시간대별 표로 정리했습니다.
③ 활용 결과 어떤 변화가 있었나요?
보고 싶은 항목을 하나씩 추가해 나가며, LENA보다 훨씬 다양한 항목을 볼 수 있게 되었습니다. LENA 결과지와 비교했을 때 측정 경향도 비슷해졌습니다. LENA도 정답은 아니지만, 2주에 한 번 받는 측정과 비슷하게 나오니 그 사이의 날에도 집에서 참고치로 쓸 수 있게 되었습니다.
덕분에 우리가 아이에게 들려주는 말과 주고받는 대화가 얼마나 부족했는지 확인할 수 있었습니다.
10월 3일의 경우 하루 주고받기는 350번이었고, 그중 약 80%가 다섯 시간(아침 식사와 음악 놀이, 그림책, 카페와 산책, 놀이터, 저녁 실내 놀이)에 몰려 있었습니다. 가장 많았던 때는 그림책을 읽던 11시로 한 시간에 80번이었고, 차로 이동하거나 마트에 간 시간에는 거의 없었습니다. 다음 날 기록과 비교하면 얼마나 늘었는지도 쉽게 볼 수 있었습니다.
매일 측정하니 전날 기록을 피드백 삼아 더 대화하려고 노력하게 되었습니다. 저희처럼 직접 치료보다 부모 교육이 먼저인 어린 아이, 아직 말이 트이지 않은 아이에게는 이런 작은 변화가 쌓이는 것이 중요하다고 느낍니다. 저희는 조금 늦게 시작했지만, 생후 3개월 무렵부터 이렇게 우리 집 대화를 돌아볼 수 있었다면 발달이 늦지 않은 아이에게도 언어 발달에 도움이 되었을 것이라는 생각이 들었습니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
LENA 결과지만으로는 아쉬운 부분이 있었습니다. 그래서 그때 무엇을 하고 있었는지(차량 이동, 식사, 그림책 등)를 AI로 붙였습니다. 하루 합계보다 장면별 숫자가 저희가 보기에 훨씬 쓸모 있었습니다.
또 어른 목소리를 남자와 여자로 나눠 보니, 엄마와 아빠 중 누가 언제 더 많이 말을 거는지도 볼 수 있었습니다.
우리 아이의 지난 기록과 날마다 비교하고, 일상을 돌아보는 참고 자료로 쓸 수 있었습니다.
영어권에서 만든 측정 방식이 한국어를 쓰는 우리 집에서도 맞는지, 우리 집 녹음으로 직접 확인했습니다.
⑤ 다른 사람도 따라 할 수 있나요?
녹음만 할 수 있다면 누구나 AI로 따라 할 수 있습니다. 녹음기가 없다면 휴대폰으로도 됩니다. 휴대폰을 아이 몸에 달기 어려우면 멀리서 나는 소리 때문에 오차가 생길 수 있지만, 한 장소에서 함께 노는 시간처럼 아이 가까이에 둘 수 있을 때는 차이가 작을 것으로 봅니다.
예를 들어 녹음을 글로 바꾼 뒤 AI에게 "아이와 어른이 5초 안에 말을 주고받은 횟수를 10분 단위로 세고, 그때 무엇을 하고 있었는지 정리해 줘. 진단은 하지 마"라고 물으면 됩니다.
프롬프트를 직접 쓰지 않아도, 제가 만든 분석 방법을 AI 도구에 연결(MCP)하거나 녹음 파일을 보내 결과를 받는 방식으로도 쓸 수 있습니다.
아이 목소리와 대화 내용은 공개되지 않으며, 이 기록은 진단이 아니라 집에서 참고하는 용도입니다.
